面经和想说的话，以及大学这三年

面经：

序：

老大说有空你来写篇面经，然后今晚就来写了，具体哪家公司问的啥我也记得不是很清楚，我只说说问了我啥问题，还有我想到的那些问题。

数据结构中常考的：

线性数据结构：

1.循环队列，设计缓存会用到。
2.ziplist中用到的跳跃表。跳跃表和红黑树的区别
3.如何保证字符串的二进制安全，这里可以参考Redis源码里的sds实现
4.hash表 rehash操作触发条件和转移策略可以看董西成老师博客
http://dongxicheng.org/nosql/redis-code-hashtable/

树

1.平衡树 os对进程地址空间的管理使用平衡树
2.红黑树 map和set都是用红黑树实现的，Linux进程调度对内存块管理
3.B+ Tree MySQL数据库为啥使用B+ Tree 和磁盘向关联与磁盘寻道关系
4.KD Tree KNN算法空间划分一层X 一层Y
5.LSM Tree Hbase源码中设计的 http://www.cnblogs.com/yanghuahui/p/3483754.html

经典算法：

1.快排
2.内省排序和TimSort SGL STL和JDK 还有Python底层实现的sort大家可以看看
3.位运算那些题 Martix？？？大神有文章(忘记Martix大神全名了，活该我很多面试挂)
4.动态规划就是简单的动规没有超出左老师书的

文本挖掘

1.TF-IDF的Mapreduce实现就是类似wordcount的就可以
2.SimHash算法原理
3.倒排索引原理和应用我大二做搜索引擎用的

大数据

1.Hadoop 大表Join小表以及数据倾斜问题
2.Spark 调优参考http://blog.csdn.net/u012102306/article/details/51637366
3.Mapreduce原理

机器学习模型算法：

1.LR推导以及应用场景
2.GBDT的原理和应用场景
3.随机森林和GBDT的区别
4.FM算法推导

最优化算法：

1.SGD和GD的区别
2.FTRL推导
3.FTRL和SGD区别
这几个问题可以看http://blog.csdn.net/china1000/article/details/51176654 里涉及到的Paper

特征工程

1.OneHot
2.标准化
3.归一化
4.连续特征离散化
5.L1正则
6.GBDT 特征组合
7.特征重要性分析方法卡方检验
8.FM 实现离散特征embeding

深度学习

1.Relu的优点
2.sigmoid梯度消失
3.Relu梯度消失的缓解方法
4.CNN中的权值共享和池化操作

Python

1.可变元素、不可变元素
2.深拷贝与浅拷贝
3.列表推导式
4.lambda用法

C++

1.虚函数那些经典问题
2.深浅拷贝
3.Vector实现
4.libevent库
5.完美转发问题
C++问我问的比较少

实习项目：

1.JSON和protobuf区别
2.广告CTR预估算法
3.特征设计怎么涉及特征的
4.UGC数据的使用方法
5.建模目标怎么确定，模型评估方法

大学如何准备校招的：

1.收集招聘信息
V2ex，北邮人、水木清华、牛客网这四个渠道效率很好
2.笔试多看看果姐写的文章，刷牛客网真题可以看看算法笔记这本书拿来联系
3.实习实习真的很能学东西，去一个不错的团队，可以锻炼人
5.校招有针对性的投简历，准备和面试
6.建议有时间多学学业务知识

想说的话

感谢的话：

其实大学期间很感谢老大叶向宇、牛妹、亦行姐、超哥等牛客网的工作人员，今年校招的内推人也是我在牛客网收获的友谊，女友也是牛客网认识的，大学早点明确目标和努力是最为重要的，我的校招也应该算是基本结束了。从早期写写简单业务逻辑和挖漏洞到慢慢转型算法工程师，三年一转而去。经历了三年校招，终于自己要签***契了，很开心，也很激动。

应聘过程：

1.大二海投海面，当时大二拿的百度QAoffer 拒绝掉了，后来有人说我去百度做的QA，那是大二面的（有人误解很正常，因为我大二写了面经）
2.后来有机会加入前乌云合伙人301的创业团队，因为乌云的事情，离开，加入百度，终于拿到百度RD的offer，去接触工业界大数据和神奇的广告算法策略。
3.后来女友接了百度深圳offer，我就跑到深圳，加入范式，有爱的大家庭，大神超级多，学了很多东西。