秋招算法面筋，许愿offer

陌陌

一面

介绍项目

写算法，一个递归

推到LR，概率，最大似然，损失函数，求导

文本相似度的一些方法

编辑距离，n-gram，有什么缺点

场景题，一亿条语料，怎么求相似的句子

text-cnn网络结构，反向传播；出现badcase怎么查

二面

问项目

1.transformer的结构，原理，attention

文本怎么分类

word2vec，fasttext

tf-idf，原理优缺点

快排

1千万条数据去重，自己挖坑写trie

三面

讲项目

CRF原理

新词发现怎么做，怎么确定是新词

欢聚时代

一面

lr和dnn的优缺点

随机森林的原理，boost和bagging的区别

随机森林为什么可以减小方差

偏差和方差的原理

attention的原理是什么

word2vec原理，负采样和分层softmax

cbow和skip-gram 哪个训练更快，哪个效果更好，为什么？

python map函数和列表表达式的区别

python中怎么导入第三方文件

写代码：快排和二叉树层次遍历

二面

讲项目

解决过拟合的方法

梯度优化算法

画transfomer，attenttion和rnn的区别

layer normalization的作用

解决过拟合的方法

n和整数中最大的k个数

三面反手被挂，哈哈哈，太迷了

面试官好逗，感觉是一个很开心的人

讲项目，吐槽现在啥都ai了，吐槽项目和比赛不靠谱…

介绍一个模型

聊天聊项目

阿里口碑饿了么

一面

二面

三面挂

滴滴面试体验很好，sp专场，早上十点开始面试，面完二面就十二点一十了，滴滴好准备午饭，吃完饭差不多等到十二点四十多开始三面，面到下午两点过几分....

一面(四五十分钟）

1.自我介绍

2.讲第一个项目

3.过拟合的表现是什么，怎么防止过拟合

4.L1和L2的区别，为什么L1能稀疏权重，原理是什么

5你刚刚写的几种过拟合方法，你在项目中使用的顺序是怎样的，为什么？

6.代码题：判断链表是否有环

二面(一个小时+)

1.自我介绍，介绍一个比赛项目

2.怎么做特征选择

3.怎么处理高维稀疏数据

4.有没有了解凸优化方面知识

5.xgboost的原理，为什么要用二阶导，二阶导作用是什么

6.L1正则在不可导点怎么求梯度，给你一个不可显示表示函数怎么求梯度

7.为什么要用深度学习，和机器学习相比有哪些优缺点，树模型也可表示非线性、和神经网络相比有什么优缺点

8.dropout原理，训练和预测分别是是怎么做的，BN的原理

9.attention的原理和作用

10.transfomer和rnn的区别，bert的原理，有了transfomer为什么还要bert

11.有没有想过为什么要用预训练，从优化的角度考虑，扯到了先验和参数初始化

12.有什么要问的

三面(一个小时+)

1.代码：二叉树两个节点的最近的公共父节点，非递归和递归的方式。时间复杂度。

2.xgboost和RF在性能上差异，RF的随机性体现在哪儿？

3.项目中的难点是什么，怎么解决的，有什么提升。

4.LSTM和GRU有什么区别

5.LSTM和CRF可以分别做命名实体识别，为什么要把它们结合在一起，怎么将LSTM和CRF结合起来的

6.CRF怎么解决label偏移的，从HMM到MEMM再到CRF，是怎么演变的

7.决策树建树有哪些方法，能写下公式吗？每种方法对应哪些算法ID3，C4.5，CART，这些算法有什么优缺点，为什么CART即可以做分类又可以做回归，他们的损失函数是什么呢？

8.了解堆排序吗？建堆的时间复杂度是多少

9.概率题：两个人抛硬币，第一个人赢的概率。

10.看过哪些论文，实验室研究方向，对自己未来的期望和发展

加面：

介绍两个项目

GDBT和NN处理特征有什么区别，这么多场景该怎么进行模型选择等等

attention和self-attention

计算机基础

hash冲突解决办法

java gc机制了解吗

线程之间的通信，怎么保证线程同步

往堆里插入一个数的时间复杂度是多少

hr面一个小时左右

搜狗

一面

1.讲项目

2.为什么用Bi-LSTM，数据量这么小，为什么不用传统的CRF，CRF的损失函数，怎么做解码的

3.项目里面用到了CYK，然后让我写动态规划的伪码，写的有点久，感觉自己给自己挖了了坑

4.怎么存CNF树，应该是用字典树

5.代码题：二叉树最近公共父节点

6.代码题：每一个位置上有很多个词表，从每一个位置上的词表中选一个词，组成一句话，求所有能组合成的句子

7.讲一些query和title的一些文本相似度的方法

8.有了解什么最新的深度模型，transformer，bert等，bert和XL-Net的区别。

9.你是哪儿人啊，以后会在北京长期发展吗？

10.有什么要问我的

美团地图部

一面(一小时+)

按照简历，一条一条的过，感觉身体被掏空，可能有遗忘的

1.介绍项目

2.lstm的结构图，写公式，怎么理解双向的

3.介绍crf，crf怎么计算的，怎么优化的，怎么解码的，前后向概率，维特比算法，EM算法是有监督还是无监督的

4.介绍bi-lstm+crf，损失函数，怎么计算梯度和更新的

6.讲下神经网络的反向传播，你知道怎么设置学习率吗？学习率过大会有什么影响，怎么调节学习率，梯度优化里面怎么衰减学习率的，还有哪些梯度优化算法

5.介绍self-attention，transfomer的结构，残差连接，layer normalization的原理和作用

6.讲一下word2vec，skip-gram，cbow，分层softmax，负采样

7.介绍svm，思想，对偶条件

8.介绍GBDT，xgboost和lightgbm三种算法，他们的区别和联系是什么，面试官后面还给我好好的讲了一下

9.写一下lr的求导公式，写一下sigmiod的求导

10.代码题，一个01组成的字符串，求0和1相等的最长子串

二面(一小时+）问的比较多，很多都忘了

开始闲聊，问在学校学习了哪些课程，机器学习和数据挖掘讲了些什么

问项目，算法基础

transfomer，self attention，vae

了不了解gan，怎么优化判别器和生成器的

介绍lr，bp算法

讲一下集成算法

python基础知识

set，list，tuple，dict的区别

is 和==的区别

map，lambda表达式

迭代器和生成器的区别

算法题leetcode 两个有序数组求中位数

给一个整数，求这个整数二进制中1的个数

给定一个整数，求小于该整数的数二进制1的个数的和。

又开始闲聊，你是怎么学习算法的，转到算法做了哪些工作，是怎么做比赛的。

三面

技术面，聊人生，聊理想？

如果你是leader你会怎么做？

计算机基础，丢包，死锁

两个小时呀！

从早上十点进美团，晚上八点半出美团，一天呀，三面

小米闲聊对话

一面是个小姐姐

介绍项目，两个项目，从项目中解决一些问题

怎么解决oov的问题我bpe

transfomer的原理和结构，优缺点

二面是个小哥哥

介绍项目，有趣的东西

seq2seq训练和预测有什么区别，sampling shift，还有什么可以解决这个问题，知道seqGan

代码：二叉树层次遍历、n前面的所有质数

变长输入怎么处理，有什么小trick

度小满

一面

讲项目

问基础python，set的底层是什么，list的底层是什么

mapreduce实现从大数据找到一些文本，mapper 和reducer 分别怎么实现

linux命令，top，sort，cut，split，shell

xgboost重要性怎么实现

代码lru的原理，最大的第k个数

二面

介绍项目

讲一下crf和lstm，为什么要将他们结合在一起

怎么防止过拟合。

如果训练过程中loss不变了，主要是什么原因引起的，从数据的角度和模型的角度考虑。

glove和word2vec的区别，fasttext的区别

余弦距离和欧式距离有什么区别。

gbdt基分类器用的是什么模型，怎么做分类的。

代码：二叉树的深度，非递归

三面

介绍项目

lightgbm和xgb的区别，它们选取特征的方式是一样的吗？

代码：最小的k个数