暑期实习还愿贴

阿里小蜜（提前面）：

因为主要做对话，所以对我的对话项目感兴趣，但是我在这个的项目工作实在太少，回答不理想。接着问我为什么BERT能做的很深，列举了BERT中的残差结构，问我还有哪些。我说了self-attention 能并行计算，这样可以在大语料上训练，缓解过拟合，另外layer normalization也有帮助，好像不太满意，然后问深度学习中怎么缓解梯度消失。接着问还知道哪些文本匹配的算法，我说不知道了。

腾讯：

一面：堆排序、二叉树的公共祖先、第k大的数

介绍BERT（encoder，decoder讲了一下），问了transformer、rnn和lstm区别与联系（胡扯了一下）

项目。感觉这次是项目说的最好的一次，还问了创新点在哪里

二面：

问了crf（简历上写了但不会，硬伤），关系抽取了解吗（不了解），lstm和gru的区别（并不熟悉），除了文本分类还有其他nlp的任务吗（尴尬，nlp任务做的太少），如ner。domain adaption、multi-task和transfer learning的区别（简历有但没仔细准备）。然后对项目一顿diss，匹配项目就是下载模型跑一下吗。可能还问了xgboost和gbdt吧

复杂链表的复制、二叉树的路径和（非递归）

美团：

一面：

先做题：最大矩阵面积

讲一下LR，为什么用mle求参数，怎么求（梯度下降、牛顿法和拟牛顿法），讲下牛顿法和拟牛顿法区别。怎么防止过拟合，l1和l2为什么防止过拟合，分别是什么分布，为什么参数越大模型越复杂 ，l1为什么产生稀疏解（用图解释），为什么经验损失加结构损失等价两个图的交点。就是不停问为什么，把LR相关的知识点问完了，基础知识挖的很深。然后问了BERT相关，为什么ALBERT使用动态mask，对预训练模型的相关经验等

二面：

主要对项目进行细问，问了具体工作和解决问题的方式

算法题：k长连续字段和（墨迹半天没清晰思路，最后暴力解决还在边界处理上除了问题（INT_MAX））

微软：

一面：

反转链表、中序遍历（非递归）、重建二叉树，使得节点值为其子树节点和

二面：

问实习项目

excel的列变换

58同城：

一面：

Linux命令：查找多个文件夹中目标文件，文件中列按空格分割，怎么输出第二列

python的装饰器和__call__函数，list和tuple，model怎么调用forword函数

样本不平衡解决方法，怎么防止过拟合

bert两个预训练任务的损失函数、loss怎么处理（相加）、mask为什么有10%保留原词，10%替换其他词，会干扰吗

LN和BN、word2vec和glove、dropout（4，5点只能答出2，3点）

算法题：旋转数组，链表的交点

二面：

大文件找前1000大个数，另一个算法题要用到set

问项目

三面：

大文件中每行一个ip地址，找出出现次数最多的前200个ip

熟悉spark吗（不熟悉）

问项目

快手：

自我介绍（要准备）

依次介绍三个项目（要书面准备）

介绍XGBoost（要准备）

快排（引用传参）

x, y都服从[0,1]上的均匀分布，且相互独立，求x+y的分布

百度：

一面：

问了transformer的encoder和decoder，几种attention的具体实现

BERT的优点，怎么对预训练任务的改进

算法题：判断链表是否有环

二面：

讲下SVM，软间隔、核函数

算法题：旋转数组

三面：

最优成就的一个项目，最遗憾的一个项目

面对压力怎么办，和同学，老师意见不一致怎么办

和不同部门怎么协调沟通，要数据不给怎么办

喜欢什么样的工作氛围，压力最大时是怎么处理的，职业规划