字节/腾讯算法岗暑期实习面经分享

• 介绍竞赛
• 说说Adam等优化器的区别（从Momentum到RMSprop到Adam以及Adam可能不会收敛，还说了NAG和AdaGrad）
• 对于LR来说，LR如果多了一维冗余特征，其权重和AUC会怎样变化（权重变为1/2, AUC不会变化）
• 写出LR的损失函数（交叉熵损失函数）
• 算法题：二叉树转双向链表（中序非递归遍历修改指针）

• 算法题：一个类A有next，has_next两个方法，其中next调用会返回值，但索引会自增。实现一个peek访问只返回值，索引不自增。（lc原题284） -- 当时感觉面试官没有描述清楚....这里竟然耗了一段时间
• 算法题：快排
• 聊竞赛，问到了模型是怎么做多分类的（这里答得不是很好），以及stacking模型融合怎么做的？为什么有效？
• 写交叉熵，Softmax
• 开放题：你觉得影响模型效果的因素有什么，并排个序。（我回答的是特征>模型>优化器，才疏学浅只答了这些hh，大家有什么Trick在评论里分享一下哦）
• DeepFM与FM的关联，并描述DeepFM的结构

• 算法题：前序中序转二叉树（lc原题，用字典记录一下中序里各值的索引，然后递归即可）
• 算法题：旋转数组查找target（lc原题，我的解法是根据左侧递增还是右侧递增来做对应的二分，当然还有一种是先二分找到旋转点然后两侧再分别二分）
• 破天荒地竟然问了我一个忘得差不多了的Java语法：Java的Final关键字作用（变量--赋值一次后不可再修改，类--不可被继承，方法--不可被重写）
• Sigmoid，Tanh，Relu等激活函数的优缺点（这里之前没有复习到，后面想了想应该从梯度消失，数据压缩，0均值方面来解释；当然，说的越多越好，比如Relu的神经元dead啥的，越能体现你的知识广度）
• 神经网络中网络权重W初始化为0有什么问题？
• DIN和DIEN网络结构介绍

HR面（6min）2020.03.16  15:00

Offer  2020.03.18  16:30

• 介绍论文，包括论文背景，创新点，难点
• 算法题：现有100W 资讯文本的title，文本的长度为1-40个字左右。len(titles)=100W ，1<=len(titles[i])<=40

  现有一个100W左右的禁用词, 每个词的长度在1-6个字左右左右。len(forbid_words) = 100W ，1<=len(forbid_words[i])<=6

  若title中存在禁用词则过滤掉该title。 请实现这个过滤系统。（目前想到的：1.title分词, 禁用词做hash, 再遍历title  2.禁用词构造前缀树, 遍历title去前缀树中寻找）
• 算法题：快排递归和非递归
• 算法题：输入一个正整数数组，把数组里所有数字拼接起来排成一个数，打印能拼接出的所有数字中最小的一个（剑指offer原题，就是排序改一下比较规则）
• 一些反问（关于部门培养，工作强度啥的...是不是问早了hh）

二面（50min）2020.03.18 17:00

• 自我介绍
• 谈谈Youtube的那篇《Deep Neural Networks for YouTube Recommendations》
• 谈谈FM与DeepFM
• 谈谈FM的泛化能力
• 介绍论文（包括整体设计步骤，与领域其他方法相比优势或创新点在哪，为什么用这个模型而不是其他的模型）
• 谈谈1*1卷积
• DNN中如果把中间层的激活函数去掉会怎样？去掉激活函数的DNN与逻辑回归有什么区别？
• 介绍竞赛
• 开放题：如果让你去解决一个陌生领域的问题，从分析问题到设计模型以及评价指标，你会怎么做？

三面（40min）2020.03.25 14:00

• 自我介绍
• 了解一下竞赛情况
• 说一下自己的优缺点
• 内推你的人是谁？从他那了解了哪些信息？
• 谈谈对部门业务的了解
• 你觉得如果你来实习的话，你最想提升自己的哪些方面？或者说相比其他人，你的优势和劣势在哪里？
• 目前还有公司在面试吗？进展如何？
• 老家在哪?
• 对工作的城市有要求吗？（因为前面有达到字节offer在北京，然后我说了我的意向城市--杭州和深圳...接下来就是一系列为啥意向杭州的追问）
• 反问：实习转正情况，转正后是否能更换工作城市