滴滴-新锐-算法工程师（三面-远程）
因为好朋友的内推，因此参加了滴滴的新锐面试，刚刚结束三面，明天HR面。总的来说滴滴的面试官不管是老大还是其他研究员，态度很nice，全程面带微笑，面试体验特好。
一面：
由于zoom的故障，一面是电面。
1、自我介绍
2、论文介绍
1）数据介绍，如何组织数据形式
2）主模型网络层结构
3）LSTM、CNN、convLSTM原理，异同对比
4）特征工程的依据和效果
5）模型对比的结果
6）有什么可以继续改进的点
3、专利介绍
4、分布式项目的实施过程，问的很仔细，也涉及到Hadoop底层原理的深挖。
5、天池竞赛介绍
1）背景+数据介绍
2）如何定义一个机器学习问题
3）为何使用xgb，xgb原理，xgb并行实现
4）LSTM原理、梯度消失原因及解决方法
5）模型融合方法，尝试了几种，都怎样做的。
6、NLP项目介绍
1）NER、RE的建模方法，最新论文的方法是怎样做的
2）图谱构建的方法、schema介绍
3）HMM、MEHMM、CRF原理以及对比。
4）EM算法的原理，在HMM中如何使用的。
5）为何使用biLSTM+CRF的结构
7、xgboost与gbdt、RF的对比
8、编辑距离的递推公式（因为电面，所以只说了思路）
一面基本上是对简历内容的深度进行了测验。
二面（zoom视频）：
二面是部门老大，问的问题与一面有部分重叠。
1、论文详细介绍，老大会一直追问每一个点，网络结构的设计，为何采用convLSTM、视频流法的具体***作、5维张量每一维代表什么等等....
2、NLP项目介绍，与第一面重叠
二面主要问论文，基本上聊了近40分钟，其他时间基本是聊项目。
三面（交叉面，zoom视频）：
交叉面主要问了分布式等内容。
1、MR各阶段原理
2、Hadoop性能优化方法
3、分布式项目的建模全部流程，要求以shuffle阶段为例，详细讲解项目建模中全部的公式推导。
4、docker容器的概念、适用场景、解决什么问题等基础问题。
三面总共40min，感觉面试官貌似对我不太感兴趣，但是今天却收到了HR的电面预约......
滴滴的氛围的确好，貌似据说加班也相对较少，压力还是有的，比如有日会、有周会等等，也就是说每天都得有产出，相信也是一种提升自己的好方法。一二面相隔有几天了，一些问题有些遗忘，只是记录了部分。
#滴滴##算法工程师##面经##秋招#
