广告算法秋招总面经

心里已经做出决定了，上来回馈一下大伙。 
一共投了10来个公司吧，有面试的就几个，然后还有某司面到hr提前批结束了一直没动静 
1.腾讯(等hr面提前批结束) 
2.阿里（9.15号投，笔试都不给我笔试） 
3.美团（9.1投，笔试都不给） 
4.京东（9.1投，笔试都不给） 
5.作业帮（8月中投，由于春招🐦了，秋招直接没消息） 
6.百度（9.15投） 
7.字节跳动抖音（9.20投 22面完） 
8.360（8月底面完） 
9.微博（9.10号一天面完） 

写一下面完的吧 
一、360（搜索广告） 
之前写过，复制粘贴了 
一面（1）：
发现我每次360都是女面试官，面了3个算法题。 
1.排序链表；
2.数组中矩阵面积的最大； 
3.最长递增子序列。 
之后基础块问了下gdbt和xgb，然后项目块重点说了graphembedding的应用，以及在实习公司解决动态图问题 
一面(2)：
上来得到不会c++不会底层原理感觉就很无语。 
做题做了个排列组合和前缀树。
然后着重项目块问了grouplasso还有word2vec。 

二面：
上来我说不会，面试官直接就是 那我没什么和你聊的啊...还是挺慌的，感觉大佬max即视感，估计是部门负责人。然后写了一个汉诺塔移动问题就是dp求解的，说一下复杂度以及如果4个塔会变成什么样。最后聊了聊机器学习，带约束优化让我讲讲拉格朗日乘子，楼主从svmkkt条件讲好像不是他想要的，最后在大佬问我 gdbt原文中作者是受到什么论文的启发提出了gdbt的知识盲点中愉快的结束面试。最后得出结论，划分楼主是应届中算法基础和code能力的下等。 

二、微博（广告算法） 
一面：
问了一些广告策略机制的问题，包括label延迟回传的处理、对于出价的策略，楼主做广告模型答复的不是很好，然后就聊了聊对于广告模型的看法以及说了一下最新的模型结构迭代的尝试
二面：
由于boss是百度出生，我实习公司做的模型以及机制大部分是百度的，所以就聊了聊对于广告行业的看法 
没做算法题，比较愉快 

三、百度（正式批随机面试随机分岗） 
一面：
聊了一个半小时吧，算法题比较常规 
合并k个排序链表-》优先级队列和归并合并都可以 
mapreduce实现kmeans 
然后聊了一下fm和ffm以及deepfm,所以下介绍下常见的处理过拟合的方法，1和l2的作用，dropout的作用，然后bn的作用 
说了下常见的优化方法，了解过流式计算吗，对于online-learning有了解吗 
二面：
nlp的面试官，感觉对我的简历不是很熟悉，我好不容易把graphembedding引到nlp方向 
算法就一道 后序遍历，手写堆排 
三面：
面试官是女面试官，负责垂类推荐的把，聊天面试，以一个pm的角度去分析一个功能的优劣，以及设计上线的流程，然后就是性格面试

四、字节推荐岗（20投，21安排，22面完，高效） 
一面：
学校学姐，疯狂问推荐相关，然后对一些推荐指标的理解，算法题就是 手写一个 
https://leetcode-cn.com/problems/decode-ways/ 解码方法变形，让你输出解码的字符串数组 
然后手写了个后序遍历，面试表现一般 
二面：
重点介绍了一下自己简历的项目，然后介绍了一下graphembedding的发展史，算法题 
python实现kmeans 
树的两个节点的公共祖先（大量查找时怎么提升效率，没回答上来，查找表？不太懂） 
三面：
手写LR的实现过程，然后聊了聊l1以及l1的扩展。

—————————————————————————————————— 

总结一下吧，给予大家的建议是：
一定要去实习或者有项目！
其实通篇看下来，楼主的秋招面试算法题都是特别特别简单的那种， 但是在春招的时候，楼主没有任何实习经验、论文、项目、比赛是混的两个自己也不熟悉、凭借刷了一本统计学习方法出去面试， 楼主基本每次面试手撕那种hard变形题2道，手写过kmp，而且是那种写出来不让过的那种。 
而秋招的时候，由于有了实习经验，有了项目（一定要完全弄明白，能够把别人随便说懂的那种，无懈可击），然后大部分都是出于对项目的讨论，之后就出一些业务上面的思考，真正做过事的会觉得很简单，所以后面算法题出得都非常的简单。。。。。楼主都醉了。 
其实感觉算法岗真的没有那么难，没必要散播焦虑，感觉年轻人有无限可能，大家多花点时间真正去做事情了，基本结果都不会差。 

最后希望每个人都有一个满意的归属。