3-4月面经汇总-字节跳动，美团，腾讯，阿里算法岗

**********三月面试了好几轮，写个帖子记录一下问过的问题，为接下来的其他公司的面试查漏补缺一下，也给大家一些准备的方向

斜体是我没答出来的

腾讯一面（3月初，不记得几号了）凉

1. 自我介绍

2. 问做过的项目，同时在过程中穿***用过的模型的问题，比如

word2vec两个模型的损失函数是什么

cbow和skipgram的比较，为什么skipgram会更好，哪个的计算复杂度高

为什么使用随机森林

决策树的分裂方式是什么，根据什么变量来决定分裂变量

3. 手撕代码

1）给一个数N，k
每一轮可以进行两种操作的其中一种
1. 所有的数拆分成两个更小的数
2. 所有的数-1
已知拆分操作只能进行k次
问 最少需要多少次把所有数都消去

2）给一串数列，这串数列有正有负，但是总和为0。每个数xi代表一个村庄，正的表示村庄想卖出xi份水果，负的表示想买入xi份水果。两相邻村庄间的距离是相同的，单位距离运送一份水果的运费均相同，每份都是k。问，把每个村庄的需求和供给都解决掉需要的最少运送费是多少？

这是第一次面试，凉得很彻底，因为很多算法细节都没有好好复习，而且代码写的也不够整洁快速

————————————————————————————————————————————————————————————————————

字节tiktok海外版（南亚组？）一面（3.9）

一个很年轻的小哥哥，人也很好

1. word2vec两个模型的损失函数是什么

2. 开放性问题：在视频推荐这个领域能不能用上embedding的思想，如果可以，要怎么构建和训练模型。

这个问题我没答上来，然后面试官给了提示，说有用户观看视频的一系列记录和搜索记录blabla，但我还是没想出来。正确的打开方式是用word2vec的方法训练出一套视频的embedding和用户的embedding，详情可以搜索一下youtubeNet这篇论文，https://zhuanlan.zhihu.com/p/97365203知乎上也有解释。看完之后受益匪浅吧

3. 手撕代码

一个是二分查找，很简单的

一个是给定一个数组，输出所有他的全排列组合，leetcode原题 permutation

然后小哥让我回去安静等消息，一度以为我凉了，过来一周问了hr有二面

字节二三面（3.17）

感觉面试官对于要不要实习生不太在意（捂脸 可能因为不太缺人吧

二面面试官直接问机器学习问题的

1. 解释一下过拟合和欠拟合，怎么发现过拟合问题，怎么解决过拟合

2. 你说到正则化问题，正则化有哪几种方式

3. 正则化这两种方式的区别和公式分别是什么

4. 你说l1会使得特征系数稀疏化，为什么呢（岭回归和lasso回归的区别）

5. 你说到lasso回归有特征选择的作用，有哪些特征选择的方式

6. 有哪些常用的降维方式

手撕代码

1. 判断链表有没有环；判断链表的环的起点

2. 给定n个区间[a,b], 找到最小的区间[x,y]，使得n个区间都至少包含一个数落在这个[x,y]中（不会啊救命）

然后面试官就让我等答复了（我以为差不多凉了吧，然后三面面试官进入聊天室，我只能继续了23333。其实二面有很多答不上来的问题，所以当时真的内心是拒绝的，心态在崩溃边缘

三面面试官让你直接开始讲讲你最熟悉或者最拿手的一个项目

1. 这个面试官挺有批判精神的，他会指出你这个项目中的实验设置的不足，比如你词向量的优劣如果用情感分析的结果来进行评估的话，情感分析这个任务的选择合适吗，为什么？用lstm模型来评估两个词向量的优劣时，调参怎么调才合理？

2. 词向量的训练原理和参数更新的细节

3. 词向量怎么用到神经网络里面

手撕代码：

1. 两个有序数组的中位数（不要用O(N)的暴力算法，要用二分的思想）

2. 找出一个正整数数组中，没出现过的最小的正整数（不能先排序，要用比排序时间复杂度更优的方法）

两题都没撕出来，还是太菜了

自此字节抖音凉了

——————————————————————————————————————————————————————

美团（一、二面）等结果中

美团的笔试还是做的挺差的，五题只做了两题，两题都只有27%。。

一面：

word2vec
训练过程训练原理
训练的损失函数

我看到你做多分类情感分析多分类问题的损失函数是什么
Soft max的计算公式是什么？为什么使用指数函数？

LSTM的信息传递机制是什么？他和RNN相比有什么优势。

Bert
他和普通的Word2Vec模型相比优势在哪里
他为什么会有这样的优势(优势，指的是他能生成语境化的向量

Bert中的 transformer
attention multihead attention
注意力机制的运行过程是什么样的？
注意力机制中对于每一个词的分数会进行标准化，请问这一步的目的是什么

你刚刚提到batch normalization
BN的作用是什么？它有四个公式，每一个公式分别是什么，有什么各自的作用
我对于每一个Batch 都计算出来了他对应的均值跟方差这些，它们相互独立的吗？还是会相互影响。

我看你大多数是自然语言处理的事件，你有做过计算机视觉相关的任务吗？回答：有机器学习课上尝试手写卷积神经网络的代码
卷积神经网络的权重是怎么更新的，平均池化和最大持化的反向传播是怎么运作的？

没有手撕代码，但是让我直接实现kmeans的伪代码，不用编译
总结来说，美团一面问的都很基础的深度学习问题，都答出来了，因为准备过，所以说的时候比较有自信，然后挺流畅的。面试官就说觉得我基础知识挺扎实的挺好的（这个小哥人很nice，也是第一个这么夸我的面试官，挺受鼓舞的，很谢谢他

二面：

大部分问题和一面的很接近，但是面试官好像是一面面试官的老大，会从更多维度来问你

1. word2vec训练过程的最后一步有什么办法可以优化softmax的计算，我没答上来，他就告诉我说是指数函数的计算会用查表来近似代替

2. 你大部分用的神经网络都是比较浅层的，有没有试过更深的神经网络

3. 有做过图像方面的深度学习项目吗

4. 有没有在实践中应用过transformer

最后面试官的评价是基础知识比较好，但是实践经历和业界场景有差距emmm，然后面试才刚刚开始，没这么快能给你答复（好的我知道我是备胎了55555

美团是我很想去的公司，我面试的部门是做美团外卖的推荐广告业务的，在他们场景中会用到很多的深度学习的模型（图像+nlp）来提取特征和做推荐预估, 而且关注了美团的技术博客，他们做的很多东西我都觉得和自己做过的项目很match。希望能有offer

更新：

二面后两周不到收到三面通知，收到通知前问了一面的面试小哥，他人超好，先是帮我看了记录说是显示二面通过但是系统还没有更新状态，第二天再帮我问老大确认，后来确认了二面通过啦，过了两天也收到了三面通知。但可能还是自己不够好吧，所以才一个周多才有答复。攒攒人品，希望三面能过！

——————————————————————————————————————————————————————————————————————

字节企业应用(EA)团队一面（3.30）：

这个部门做的业务感觉是开发内部应用来支持公司内部其他团队的，我记得面试官说的一个是给法务部的做一些文本的提取、分类应用？

问的问题不是很难，和美团的那几个问题很类似，都是围绕

word2vec的训练原理，bert的原理和word2vec的区别，xgb和gbdt的区别之类的，比较基础

给了两道概率题给思路：

1. 1-7的随机数等概率生成器，怎么等概率的生成1-5的整数

2. 掷色子掷出六个不同的面的次数的期望

然后手撕代码：

leetcode的hard：最大矩形问题，

面试官很仁慈没有让我用优化的dp或者其他方法做，直接让我写暴力解法的代码，他大概看了一下就说就这样吧

然后第二天hr就给我打电话约下一轮面试了

二面之后回来更新。

更新：

字节企业应用(EA)团队二面（4.6）：

面试官很随和，上来就问了一些general的问题，一个是可以实习的时长，一个是以后的职业规划是什么。

然后问简历里面你最拿手/熟悉的项目是哪一个，问了一下那个项目现在如果要发论文的方向，我说这个是一个应用型的项目，没有发论文的打算。

问了一下我c++的一个实现配对堆的算法。。。我竟然给忘了。

问了一个算法题，leetcode编辑距离，很快就写出来了。共享屏幕在自己的ide上实现的。问了算法的复杂度，再问能不能优化时间或者空间复杂度，我说可以，可以改成一维数组。

然后问了一道数学题，十个红球十个白球，无放回抽出10个然后红球互不相邻的可能性。没想好，不过具体思想就是一红一白相间地摆好先，然后再在白球红球之间插入白球，面试官说时间关系就先这样了，但是很接近了。

最后面试官评价说我应该平时刷题刷很多吧（拼命点头

过了一天半收到了三面通知，是hr面啦

hr面（4.10）：

hr很和善，先问我为什么能五月开始实习，不用上学吗，我说我（美硕）四月底就放假了，所以有四个多月能回国实习。

然后问我投日常实习动机是啥，我说争取转正offer和积累经验。

然后问为啥选头条捏，我说了一堆很土的理由，什么梦寐以求的公司啦，面试官面试表现很专业，岗位很匹配，大公司能有更好的成长啦blablabla

然后就问我有什么要问的

问了这岗位能不能转正，她说转正概率和校招实习是一样的，会公平对待所有实习生，主要看你实习的产出能不能做出贡献。而且转正也还需要三轮技术面+一轮hr面

问了EA部门未来的发展方向，好像2b业务现在是国内互联网市场上比较大的一块地盘，是字节未来想要攻坚的方向blablabla

最后问了后续流程，周一给答复

——————————————————————————————————————————————————————————

阿里蚂蚁一面（4.5）

面我的是多方安全团队，问了很久他们做的东西，具体还是不太懂，大概意思就是法规限制了我们获取的数据规模和维度，要用有限的数据进行风险评估（比如银行贷款啊之类的）

问了我们硕士是授课型还是论文型，问了我们现在专业学习的东西和机器学习相关的部分有哪些，

然后问了我做词向量的项目，问优化方向之类的，有没有根据文本特征做定制化的算法调整

然后问了xgboost和randomforest的区别。什么场景表现会更好之类的。

然后问了一道逻辑题：

两个人抽100个球，你是先手，每次两个人只能取1-6个球，问怎么抽才能使得你是最后一个把球抽完的

问了一道挺基础的算法：找出有序数组中位数，想优化时间复杂度。

感觉不是很匹配，面试官的意思是想要的是那种潜力型，会融合很多算法，开发新算法的人才，我太菜了