腾讯，字节跳动NLP实习面经

1面: 60分钟

1，  实习，难点，收获，怎么解决

2， XGBOOST ，LGB，GBDT 的区别

3，  一阶优化器，二阶优化器

4， Attention怎么做，self-attention怎么做

5， Transformer细节，Bert细节（多头和缩放）

6，  过拟合怎么解决

7，  标签平滑怎么做的

8，  交叉熵，相对熵

9， Bagging, boosting , 偏差，方差关系

10，CRF理论与代码实现细节

11， CRF与HMM关系，区别

12， 维特比，beam-search 时间复杂度，区别

2面: 60分钟

1，  实习，竞赛，问了30分钟

2，  开源代码阅读情况

3， XGBOOST ，LGB 生长策略，分类策略

4， BERT细节

5，  少样本情况怎么缓解

3面：20分钟

HR面: 20分钟

1，  讲一件你觉得很有难度的事，怎么解决的。

2，  来段英语口语。

从开始面试到拿到offer花了3天，字节效率极高。其中1，2面试连续面的，然后太晚了，不然估计3面也会连续面。

###############################################################################

1面: 25分钟

1，  实习，竞赛

2，  优化器，系统的讲一下

3，  实际场景下做softmax容易出现一些问题，怎么解决（面试的时候没明白什么意思，面试结束后询问，他是说实际场景做softmax很容易出现下溢问题，这个可以用每个维度减去一个固定值就可以了）

4，  过拟合解决方法，正则项为什么能减缓过拟合

5，  权重衰减等价于哪个正则项

6，  传统机器学习方法了解哪些

2面：60分钟+8小时下来做题。。。

1，  实习，问得巨细，怎么和测试沟通，怎么和需求沟通，团队有几人，负责啥，难点是啥，你做了啥

3面,GM面：30分钟

HR面：