潜水一年，终于到了回馈牛友的时候，给大家分享一下提前批头条算法面经：
一面：（40min）
介绍项目（很细）
mobileNet v1 v2（项目中用到）
Focal loss（公式是什么，到底怎么用，在这里解决什么问题）
Tf、keras、pytorch区别
Svm和lr的区别和各自优缺点；
BatchNorm作用
Roc曲线含义和其他评价指标的区别
算法：Path_sum（两个相关的变形）
反问
二面：（1h15min）
介绍项目
mobileNet v1 v2（项目中用到，和resnet的区别）
Focal loss（到底怎么用，在这里解决什么问题）
Yolov2 v3的提升：小物体检测上的提升
数据不均衡的处理方法
神经网络overfit如何观察，该怎么办
梯度消失的表现是什么，该怎么处理
神经网络的优化算法有哪些，具体说一下
机器学习的评价指标
Anchor free检测算法了解吗，怎么回事
传统cv算法介绍一下，Hog怎么回事，步骤是什么样
神经网络权重怎么初始化，说一下自己知道的方法
算法：
最长上升子序列
反问
三面：
聊天，聊人生理想，职业规划，自己的学习过程，为什么要转行，为什么要做cv等等；（聊了很久）
介绍自己的部门；
问：突然，今天下雨了吗？
答：下了。
问：那好，我们来讨论一个下雨的问题：
今天下雨的概率是0.2，天气预报的准确率是0.8. 问已知今天下雨，天气预报预测下雨的概率？
今天下雨的概率是0.2，天气预报的准确率是0.8. 问已知天气预报预测下雨，今天下雨的概率？
那我们再讨论一个问题：
在[a,b]之间，a，b为正整数，问其中不包含数字3，5，7数字的个数；（做了好久）
你确定要做cv么？我们cv在深圳巴拉巴拉的，聊天为主
反问
面试心得：
个人认为面试最关键的还是代码，如果能做到5分钟之内bug free秒解，会给面试官留下极好的印象，通过的概率极大！
项目中每一个创新点一定要清楚：为什么用、怎么用的、好处在哪里；
一些基本的概念一定要熟悉，不能只是知道：
比如ROC曲线和PR曲线，面试官的要求不仅仅是横轴纵轴是什么，往往会有进一步的follow up：比如说样本分布不平衡的话PR和ROC会有差别类似的；不能只关注于某一个概念是什么，往往最基础的follow up是考察的重点；
各种基本算法除了原理要了解他们的优缺点，这里应该是面试官考察比较核心的地方；
大概就是这样，之后有补充会更新，个人感觉面试不算太难，一面对基础基础的考察会比较多，二面对深度和广度考察会比较多，相关领域state of the art的算法大致思路有时间的话建议看一下；三面的话因人而异，我的面试官喜欢考察一些数学问题，很奇怪；
再给大家补充一下（2019）春招算法实习生的面经吧，自己也面了三面，挂在了第三面上：
一面：
介绍自己项目
做个题吧：
类似于机器人在矩阵中寻找路径的一个dfs的问题；
二面：
题目：按层次遍历二叉树
介绍一个项目吧
knn算法了解吗，和传统的LR和SVM有什么区别？
怎么优化knn呢？
PCA了解吗，怎么做的？
kmeans原理，怎么做的，你是怎么并行的？
前两名一面大概都是40分钟，时间比较短，面试官对cv都不是很了解，主要是考察了一些基础的机器学习的知识；
三面：
先做个题吧：
一道业务场景题，给海量的数据列表中加上一个字段，字段表示前后6小时之内出现的数据个数；做了好久。。。
SVM最后的形表达形式是什么？
KKT条件是什么？在SVM中起到什么样的作用；
kernel是什么？写一个简单的kernel吧；
LR为什么要用sigmoid？（经过面试官提示，是来自于最大熵模型，建议不明白的同学去查一下，下次面试给面试官露一手）
因为题花了太长的时间，问题就没有多问就感谢您参加招聘了2333，因为相隔时间比较长了，有些细节问题记不太清；最核心最虐的问题就是以上！
#算法工程师##字节跳动##校招##面经#
