春招上岸漂流记

楼主CV方向底层玩家，三月初开始正式准备春招，陆续投了阿里，腾讯等主流互联网公司，在牛客上深受各位前辈的帮助，特来还愿。因为太菜所以本人采取的是算法+开发混投的策略，漂了一个多月后终于成功上岸，下面直接上干货。

阿里云块存储提前批-开发（一面挂）

说起本次面试真是大写的尴尬，由于当时完全不会开发，面试前一天去捡起了当年的计网，操作系统等，结果上来前两个问题都不会。

1.c++用头文件和直接写在本文件有什么区别(当时没听懂是个啥意思)

2.结构体大小计算

3.线程和进程，协程呢？

4.进程间通信方式，TCP用的是哪种?

5.野指针是什么，如何避免？

6.socket套接字

7.集群和分布式有什么区别

8.万年不变三次握手四次挥手，time_wait和close_wait有什么作用？

9.尽最大的可能描述vtbl和vptr

10.线程池有什么用，手写线程池

11.c++内存分配

12.struct和class有什么区别

13.智能指针

14.什么是死锁，说一个会出现死锁的场景

面完基础面试官大哥表示非常惊讶：你不是“计算机科学与技术”科班出身的么？接下来手撕了两道算法题：

1.leetcode子数组最大和(easy)

2.leetcode反转链表(medium)

总结：本轮是春招处女面，面试官大哥人挺不错的，很耐心地听我在那强行自圆其说，无奈自己实在是没做过开发相关，最后还帮我把简历转给算法组的了，感谢。吃一堑长一智，于是我立马开始女娲补天般地复习起了计算机基础。

阿里云块存储提前批-应用算法（三面挂）

一面：

1.上来没有自我介绍，说挑一个项目讲一讲

2.项目中遇到了什么困难，怎么解决的

3.如果再做一次，会怎么改进

4.手撕两道算法题

（1）最长公共子序列，写完之后出了一道变型题：最长连续公共子序列

（2）leetcode 37 Sudoku Solver(hard)

二面：

二面是一个比较玄学的女leader，全程没有问基础和算法

1.讲项目

2.给了一个场景设计题：如果给你淘宝过去一些时间段某些商品的销量，怎么预测另一时间段的销量，需要从样本不均衡等方面综合考虑

三面：

三面P9大佬先简单介绍了一下，说他这边是做应用算法的，然后开始问问题

1.首先问我会不会图的算法，P9大佬果然名不虚传，问算法的level都不一样了

2.图的两种表示方式

3.prim算法

4.树的递归和非递归遍历，非递归用什么数据结构

5.树的bfs用什么数据结构

6.海量数据排序该怎么做

7.python有哪些基本容器

8.tuple和list有什么区别

9.python list的底层实现，自己设计list的查找插入和删除

10.智力题：有64个苹果，一个有八个托盘的称，问最少多少次可以找出最重的八个

面完之后P9大佬说，感觉你是做research算法的，一般做应用工程算法的同学在我这会比较有优势，果不其然面完之后找内推人查了下状态，凉凉。

总结：不得不说阿里在想要你的时候约面试的速度是真的快，基本面完一次马上约下一面，然而面的快凉的也快，不过这也是提前批的好处，正式批流程太漫长了，走完全部流程一般一个月。

阿里淘系技术部提前批-机器学习算法

一面面试官是一个十分温柔的小哥哥，问的问题也比较专业

1.python经常用哪些容器

2.python with open和open有什么区别

3.为什么list不能作为dict的key

4.快速排序时间复杂度，为什么？

5.有没有时间复杂度为O(n)的排序算法

6.既然计数排序时间复杂度低，为什么它并不常用

7.快速选择算法，时间复杂度，为什么？

8.tuple和list区别，哪些情况需要tuple

9.介绍深度学习常用模型

10.深度学习训练有哪些trick

11.1*1的卷积核有什么作用

总结：面了这么多轮感觉淘系的小哥哥思维是最敏捷的，提问题比较深入，面试体验也很棒，基本全程是互动交流中进行的，可惜这边主要是做推荐的，方向不太对口，因此也选择放弃后续面试流程了。

阿里蚂蚁金服人工智能部正式批-机器学习算法（offer）

一面

1.简单介绍机器学习各种算法

2.线性回归的优化过程，有没有解析解？

3.逻辑回归

4.支持向量回归SVR

5.xgboost和gbdt

6.深度学习优化算法

7.随机梯度下降和批梯度下降有什么区别

8.SGD为什么能避免local minima

9.batch size和learning rate的关系

10.1*1的卷积核有什么作用

11.聊了聊在投的论文

12.问我是希望做research还是应用

二面

1.聊在投论文

2.由于本人是做domain adaptation的，因此简单介绍了深度迁移学习方面的研究

3.GAN相关

4.bagging和boosting的区别

5.智力题：有100个苹果，两个人，每个人最少拿1个最多拿6个，最后拿完的取胜，问先手胜还是后手胜

6.海量数据找中位数

7.手写代码：快速选择算法

三面

晚上九点多手机响了，一看是0571，就知道是突击面了

1.聊在投论文

2.问项目

3.模型压缩有哪些方法

4.怎么看待模型压缩在业界的使用情况

5.时序模型在金融数据上的应用

6.迁移学习相关，数据来自multiple source domain怎么做

7.pytorch和tf的区别以及优缺点，适用什么场景

8.pytorch模型参数量化

9.知识蒸馏

感觉三面的P9大佬问问题会比较宏观，会考察你对问题的整体把握。

四面交叉面

面完三面松了一口气，都准备去洗澡了，结果0571它又来了，实在顶不住

1.介绍项目

2.项目有什么应用价值

3.介绍一下各种分类算法的优缺点

4.如何处理来自于不同domain的数据（也就是相当于domain-to-domain translation的方法）

5.影响模型在不同domain上性能表现的因素有哪些

6.为什么想来阿里

五面HR面

过了差不多一周HR小姐姐打电话来了

1.没有自我介绍，先是确认个人信息以及毕业时间

2.个人职业规划

3.有什么优缺点，用三个词来形容自己

4.团队合作沟通中遇到过什么问题

5.项目中是如何分工的，为什么这么分

6.项目中遇到了哪些困难

7.还投了哪些公司的哪些岗位（这里建议不要说不同的岗位，差点踩雷）

8.家在哪里

9.什么时候能过来

10.绩点（难道是要用绩点综合排序？？？）

三天后主管打电话来沟通了入职时间，给了口头offer，一周后顺利收到意向书

总结：个人感觉面AI算法岗除了扎实的代码能力和基础知识，最重要的还是研究方向要对口，也之所以是因为自己的研究方向和部门的比较match所以全程也聊的比较愉悦。

腾讯提前批-开发（offer）

面试前就跟面试官说过自己没有任何开发经验，所以面试官也没有为难我，全程基本是在问算法相关。

一面：

1.const关键字

2.vector底层原理，resize和reserve方法原理

3.内存区域中堆和栈的区别

4.红黑树有什么优点，查找时间复杂度

5.hash冲突有哪些解决办法

6.hash表的优化算法有哪些

7.快速排序时间复杂度，最坏情况下时间复杂度

8.内存受限情况下海量数据找topk

9.找中位数

10.kmp算法以及复杂度

11.两个链表求第一个公共节点

12.浮点数相乘如何不丢失精度

二面：

由于本人之前和面试官沟通过不会开发，因此全程只有两道手撕代码

1.字符串统计各个字符的出现次数

2.给定一个数组以及一个值k，把所有小于k的放到左边，大于k的放到右边，并且k值要保持在中间

hr面：

1.自我介绍

2.入职时间

3.团队合作遇到过什么问题

4.希望能够在腾讯学到什么东西

5.投了哪些公司，分别是什么状态

6.最后会在哪些公司进行选择

总结：面开发经验还是最重要的，如果有项目支持的话会大大加分，面试也有东西可聊，如果实在没有把算法基础打牢，做到问的算法题都能短时间内bug free，这样也能极大地增加面试官对你的好感。

最后，祝愿大家早日上岸，收获自己心仪的offer！