百度腾讯提前批阿里校招面经

百度推荐提前批：

好像是手百feed

一面：

自我介绍，项目，论文，了解transformer吗？讲一讲transformer，现在最好的模型是哪一个？了解GBDT吗？知不知道SVM的损失函数？推一下LR的导数吧。

算法题1：求两个字符串的最长子串长度，abcdef和acde最长子串为acde。

dp[i][j] = dp[i-1][j-1] + 1    s[i] == p[j]

dp[i][j] = max(dp[i-1][j], dp[i][j-1])   s[i] != p[j]

算法题2：设计一个程序，对扑克牌进行洗牌，尽可能的公平。（可以使用随机数生成）

（1）求全排列，使用随机数选择全排列的可能O(n!)

（2）每次使用随机数选择一张牌，之后迭代，选择后一张牌O(n)

总结：不了解SVM和GBDT，第二道算法题没写出来，LR的交叉熵求导不熟练。

二面：

稀烂。。。

自我介绍，项目，了解BN吗？了解正则化吗？了解BERT吗？SVM和GBDT的优缺点是什么？

算法题：求立方根。。。写的有bug

开放题：

（1）推荐模型对细粒度的数据效果不好，比如搜索3岁小孩辅食是什么，出现7岁小孩辅食是什么，如何处理？

（2）用户对某些推荐点击率高并不是因为他符合要求，而是排名在前面，如何消除这种偏差？（把位置信息作为一种特征训练模型）https://blog.csdn.net/beilizhang/article/details/115707058

总结：不了解树模型，推荐算法中的常见问题不了解。

腾讯TEG大数据推荐算法岗：

一面：

非常看重基础知识：C++，CUDA，并行计算，tf，计算机网络，推荐算法相关

归并排序，代码思路，和快排的比较，项目，最近一段时间中解决问题的难点，了解C++吗？C++中指针和引用的区别？CUDA有用过吗？有没有了解过分布式和并行计算的一些东西？平常tf用的多还是pytorch用的多？tf和pytorch的区别在哪？计算机网络的五层结构？应用层有哪些协议？知道哪些推荐算法？讲讲wide&deep吧？deep的好处在哪？平常有没有用linux？常用的linux的命令有哪些？反问

二面：

30min（结束后5分钟就凉了）

介绍一下项目吧。为什么用目标检测的方法，不用基于强化学习的方法？当时你在数据集商训练好模型需要多长时间？有没有尝试其他加速方法？（我猜他想问有没有尝试用多卡多节点训练？当时没说。。。）了不了解c++？假如你在服务器上部署了一些程序，现在突然发现服务器的CPU占用不正常，你会如何排查？（top命令查具体进程，根据具体进程查程序代码，其实应该说先查日志文件的）懂不懂进程通信的一些方法？（管道，命名管道，共享内存，信号量，消息队列）

算法题：

统计1到n中所有数字中1的个数

总结：进程通信不了解（估计就是因为这个挂的），不了解Mapreduce和多线程等相关知识，其次在面试时没有掌握主动权，中间被打断一次之后应该继续说自己项目的。

挂的原因：进程通信说错了（管道，命名管道，消息队列，共享内存，信号量），完全没说pytorch分布式训练的内容，排查CPU占用异常没答好（查进程，根据进程号查底下线程，根据堆栈的报错信息或输出信息定位问题代码位置）

阿里校招：

夸克一面：

项目，说说你论文的改进思路，为什么你的改进思路有效？说说你了解的目标检测器。说说你研究方向里当前sota的方法，有尝试改进当前的sota方法吗？怎么改的

概率题：

（1）一副扑克牌54张牌，分成3个牌堆，问大小王同时在同一个牌堆里的概率

（2）一个很大数据流，有n个数，现在想从这n个数中等概率的抽k个数，设计一个方法。（维护一个k大小的池子，每碰到一个数设计方法让其替换池子中的一个数。生成2k中的一个随机数，若在1到k则替换，否则不替换？）

反问：部门主要做啥？是不是经常用Hadoop相关技术？

二面（已凉）：

一个大数据一个场景题：

（1）现在有几亿条url数据，如何从这几亿条url数据中找出出现次数最多的10条url？（对所有url进行hash，将所有数据分片为多个小文件，之后使用hashmap统计每个小文件中的url出现次数，最后对所有小文件的hashmap结果使用小根堆或者使用排序）

（2）现在有一亿张图片，图片中很多是类似或者重复的，如何筛选掉大量重复的图片？（首先将图片缩放至相同大小，之后使用CNN或者滤波算子提取图像特征，然后将图像的特征按照位置顺序存储为字符串，每次从所有图片中抽出一张图片和剩下图片比对特征值字符串，按照字符串的相似程度进行排序，将相似程度高于90%的图片当做相同集合）