2022秋招算法-个人面经整理
汇总了自己去年秋招的面试记录，希望给大家提供一些帮助。
提前祝各位都能拿到心仪的offer～
个人情况：
双985科班，研究生主要做推荐相关研究, 下面的面经基本上即为自己秋招阶段(含提前批)参加过的所有面试。
p.s.
欢迎大家投递b站实习，随时可查进度, 可以帮忙修改简历、辅导面试
通过下面链接即可
小红书
一面 55min
- coding:
- 滑窗最大值 二维滑窗
- 提问：
- FM公式推导： 最后怎么计算的
- AUC公式特点
- LR的损失函数为什么是交叉熵
- GNN工作的背景和具体做法
二面 50min
- 自我介绍
- 项目介绍
- 项目提问
- FM的原理
- 具体模型产出， 讲的不太好
- 模型过拟合怎么评估， 怎么处理
- 召回阶段和排序阶段的任务差异对比
- FM与YoutebeDNN模型的异同点
- ANN技术了解吗
- GNN：graphsage了解么， 简单介绍
- 业务情况
- 用户冷启动怎么做
- 怎么用GNN做
- Coding思路说明：
- 编辑距离
三面 55min
- 项目介绍
- 建议： 可以使用pairwise方式进行训练 softmax 或者 hingeloss
- MIND：
- 提示： 创新点在于track： weight
- 本质： 进行特征聚类
字节商业化
45min 一面
- 介绍实习项目； 提问： FM 的原理； 如何多路召回
- 基础提问： Bert了解么，介绍一下Transformer； 介绍一下word embedding的方法
- 手写LR公式，以及其loss函数
- 手写sigmoid函数，并分析其原理；并与其他激活函数进行对比
- 代码题目：
跳一跳问题； 分两问给出
商业化 60min 二面
- 题目： 293. 滑动窗口最大值
分析时间复杂度 O(N + W) 时间复杂度分析的不对 - 项目提问：
FM的公式： 二叉项的计算方式: 写的不太清楚
1/2 \sum{f = 1}^k ( (\sum_i=1 v_if x_i)^2 - \sum{i=1}^n v_{i,f}2x_i2 )
具体交叉计算距离
对推荐其他框架了解么：
Wide&Deep细节： 优化器使用情况 wide FTRL deep使用
- NLP提问：
word2vec如何处理OOV问题： fast2text grams
还有其他方式设计处理OOV么？
https://www.jianshu.com/p/2441f8ac3cb6
Word Embedding 如何处理未登录词？ - 包大人的回答 - 知乎
https://www.zhihu.com/question/308543084/answer/604729983
unk技巧
subword技巧
https://zhuanlan.zhihu.com/p/191648421 - 机器学习基础提问：
LR的损失函数
LR能用MSE函数代替么： 不能， 因为LR+MSE函数是非凸函数
MSE 会有梯度消失现象
MSE 的导数非凸函数，求解最优解困难
https://lafengxiaoyu.blog.csdn.net/article/details/109916750
https://blog.csdn.net/cuiy0818/article/details/81288701
商业化 45min 三面
- 反问环节
- 介绍大根堆，大根堆的定义是什么？如何构成大根堆；
- 经过排序的完全二叉树
- 代码考察： 非递归方式实现大根堆
- 机器学习基础提问：
- 了解GMM么
- 了解EM么
- 了解决策树么 建树过程如何？
- adaboost模型了解么， loss函数如何写： 指数函数
- 深度学习基础提问：
- online learning了解么
- FTRL与LR的最大区别在于什么？ FTRL的核心思想是什么
- 个人情况了解：
- 兴趣方向与工作方向
- 个人coding能力如何？
- 考虑提前来实习么？
- 同组能力如何？
b站
一面 50min
- coding题目：
- LC152. 连续子序列的最大乘积
- 反转单链表
- 语言基础：
- map unordedmap
- list linkedlist array:
- 概率论与统计
- 协方差计算及其意义， 其与相关系数的差异
- 概率密度函数的解释
- 贝叶斯公式的举例及解释
- ML基础
- 朴素贝叶斯解释， 什么是条件独立，与独立性有什么区别
- kmeans聚类与混合高斯模型的区别与相同点
- bagging和boosting的区别：
- 全连接网络初始化问题：
- MLP能不能参数全初始化为1
- 参数初始化有哪些方式
- LR能不能参数全初始化为1
- 回归问题中为什么常对特征进行归一化？
- L1和L2正则化的区别
- 为什么L1能得到稀疏解？
二面 50min
- 以项目介绍为主
- 发散提问
- coding：
- 两个有序链表合并
美团优选
一面 50min
- 项目提问： FM怎么做的
- DSSM和FM的区别
- 其他向量召回了解吗 MIND模型中的胶囊网络怎么做的？
- GNN相关： 图怎么构建的； GNN与我们常用的NN有什么区别？
- 基础提问：
- adam与sgd的主要区别是什么？为什么对稀疏特征学习效果比较好？
- coding：
- 迷宫搜索： 给定10*10的迷宫， 入口和出口固定； 搜索最短路径
- dfs/bfs搜索即可
- 实际使用bfs搜索， 直接得到最小步数。
hr面
虾皮-算法
45min 一面
- 实习项目介绍及提问
- 介绍GNN研究项目，提问：social rec和session rec的差异
- 编程题目：
最长回文子串： 使用中心双向拓展完成；
进一步提问： dp的方式怎么设计
50min 二面
- 项目提问:
- 模型优化目标: 时间 交互
- 特征使用情况
20min hr面
百度-广告
45min 一面
基础：
- CF相关： item CF user CF的计算方式
- 基于模型如何计算
- 向量召回如何实现，向量线上如何生成
- 了解召回框架么
- 介绍一下图采样
- GraphSage的特点， 常用的聚合方法
coding：
不同的二叉搜索树数量
40min 二面
项目提问:
- FM原理, 索引构建方式
- 多路召回的量如何调配设置
- 图神经网络边权重设计
基础:
- xgb与gbdt的区别;
- L2与L1的区别
coding:
给n个字符,从中选m个(排列问题,n个字符不重复)
三面
- 项目介绍
- 基础知识提问：
- SVM原理：
- SVM核函数的条件： 正定性 没答出来
- SVM常用核函数
- C++代码量是多少
- LSTM与RNN的区别
- 工业界常用的模型应该是什么？ GRU
- 计算资源和性能效果
- 即从性价比出发
- 反问环节
华为-实验室
一面
代码： 去除字符串相邻字符： 使用栈解决
思考题： 编译选项优化， 给定N个编译选项，如何设计优化目标； 设计优化模型； 考虑时间复杂度
二面
代码： 二叉树层次遍历
提问： C++相关：
- vector内部实现 queue内部实现
- C++ 11新特性有哪些
- iterator的实现方式
- const与constexptr的区别
- c++ 11 构造函数
- 虚函数作用与实例 （当父类与子类采用virtual函数参数都为default）
- 了解模板与元编程么
- 左值与右值
提问： 数据结构相关
- 图的存储方式与遍历方式
- bfs与dfs的区别，适用场景
提问： 操作系统
- 进程与线程的区别
- 进程空间
- 给定一个hello world程序， 进程空间的动态调整过程
- 给定一个递归程序，分析栈区的变化
提问： 体系结构方面
- 给定指令 ADD R0 R1 R2 分析CPU执行过程
主管面 50min
- 交流项目和其中遇到的问题
- 职业规划分析
360-广告
一面
- 项目提问
- 深度学习提问： Bert介绍
- 机器学习提问： 决策树介绍， 节点划分的方式
- 题目： 快排实现； 快排复杂度；
最差时间复杂度 O(N^2) 优化方法
二面
- 项目提问： FM数据样本如何构造
- 针对position bias 如何处理
- 比赛提问： 具体做的内容； 为什么采用xgb
- 介绍一下GNN推荐 以及它是否可以落地
- 代码题目：
- 给定一个不包含重复数组的整数数组， 和一个目标数字target； 返回能够构成target的数字组合； 数字可重复使用； 但最后的结果不能有重复的组合。 回溯法完成即可
HR面
蔚来-电池
一面
项目介绍： 推荐
提问：
- gbdt与xgboost的差异
- gbdt与rf的差异
开放问题：
- 电池包工况曲线构建： 聚类
- 聚类方法有哪些： dbscan与kmeans的区别
二面
- 项目介绍： 推荐
开放问题：
- 异常点检测如何做？
- 方差的作用
三面： HR面试
vivo-广告
一面
- 介绍FM及其变形
- 介绍FM与DSSM区别
- 介绍数据处理： 样本构建（正负样本） + 数据流 + 离散化处理 （分桶）
- 介绍一个熟悉的模型
- 熟悉SVM么 (不怎么熟悉)
https://zhuanlan.zhihu.com/p/270298485
- 其他： C++中的虚函数的作用
二面-HR
- 个人优势与劣势
- 个人职业规划
- 期望薪资
- 最突出的个人评价
