2019美团AI算法提前批面试经验

AI平台--NLP中心

一面

自我介绍过程中询问一些问题，主要有意图识别数据怎么标注的呢，怎么样做实体抽取，怎样进行aspect-level情感分析，你们模型中增强学习的reward如何设计的；为什么这样设计；

介绍论文情况；结束面试；

广告平台

一面

自我介绍过程中询问一些问题，主要问到seq2seq中scheduled sampling如何做的，RL部分训练过程中数据集如何构造；

如何防止过拟合，你都采用了哪些方法，还有哪些你没有用到的方法；

编程题，给定整数n,求离根号n最近的整数。笔者用了二分查找实现，这样的时间复杂度是o(logn);完成后面试官说没问题，你有什么想问我们的吗，笔者简单问了一下他们的具体业务后结束面试；

二面

广告平台的技术二面（复试），本次面试大约1个小时。

• 前半个小时都在聊项目，重点问到了RL+Seq2seq的一些技术，比如Seq2seq怎样和RL结合，这里的action与state都是什么，如何设计reward等，为什么选取这样的reward,具体训练流程是怎样的；
• BiLSTM相比LSTM有哪些case上的提升。Attention是如何加的取得了哪些效果的提升；
• 能介绍几个传统的机器学习模型吗，列举了：决策树，SVM, RF等，具体说明一下决策树如何划分，写出相应的公式, 具体解释一下RF；

• 写编程题，求一个类似旋转数组的拐点位置。由于开始对题目描述理解有点问题，写了一个o(n)的过程，被问到是否有更快的解决方法，在启发下写了类似下面的二分查找过程，可能当时思路不是很清晰，当时代码写的有点乱，自我感觉不妙，不知道因此会不会凉凉。大致复现的的代码如下：

  def seach_point(a, begin, end):
      low = begin
      high = end
      if a[low] > a[high] and high - low == 1:
          return low
      mid = (low + high)//2
      if a[low] > a[mid]: 
          return seach_point(a, begin, mid)
      else:
          return seach_point(a, mid, end)
  
      return -1

  最后聊了该部门主要从事的工作内容及自己的岗位期望，结束面试，说是接下来会有HR联系。