秋招面试汇总，待更新
-
作业帮（机器学习岗，HR面完成，已OC）
一面
1. 自我介绍
2. 实习项目，深挖，知道最新的方向吗
3. 比赛项目，为什么做embedding
4. LR损失函数，极大似然思想
5. 一个很大的文件，里面的1数排序
6. 手写快排
7. 合并k个有序数组，思路（堆排和归并）
二面
1. 自我介绍
2. 算法题，能否覆盖，手写
3. 算法题，矩形重叠面积
4. 项目，最新的方向
5. 防止过拟合，drop out实际怎么操作（输出的数值要放大到原本的分布，因为随机丢弃相当于做了一部分缩减）
6. drop out和BN（先进行标准化，在乘以一个因子加上偏执，可以防止梯度消失问题，提高训练速度，防止震荡）能不能一起用
7. Xgboost和GBDT的区别，GBDT能不能预排序HR面
当时忘了记录，基本是正常的问题，作业帮一面表现不错，二面代码没问题，后面问题没答好，感觉很悬 -
百度（机器学习岗，搜索团队，已oc）
一面
1. 自我介绍
2. 项目
3. Bert原理
4. 怎么用bert来做搜索
5. N个样本，N很大，怎么做抽样
6. 算法题，0~4随机函数，怎么生成0~6的随机函数
7. Top-K问题，手写堆调整
二面
1. 自我介绍
2. 项目介绍，深挖两个项目
3. 了解最新的NLP的方法嘛
4. 介绍bert，写attention公式
5. Bert怎么做专有名词识别和词重要性识别
6. GBDT原理，树的权重，损失函数（分类树和回归树）
7. AUC原理介绍
主管面
加了微信电话面，主要聊项目，问了实习地点意愿，半小时，面完晚上就给了口头offer，一周后接到HR电话
-
华为（消费者BG机器学习岗，主管面凉凉）
一面
1. 自我介绍
2. 项目，多个一起问
3. 你从项目中学到了什么
4. 介绍SVM
5. 了解C++和Jave吗
6. 传指针和传引用的区别
7. 进程线程
8. 写代码，走楼梯，环状数组最大子序和
二面
1. 代码，字符串按照给定词典分词，复杂度是多少
2. 项目
3. 协调过滤思想，如何解决冷启动问题
4. 协调过滤的优缺点
5. SVD原理
三面
1. 自我介绍
2. 学习项目里负责什么
3. 学得最好的课，介绍一下
4. 工作地点偏好
5. 了解华为吗
6. 在快手主要做什么
没聊技术，纯聊天，前一天有事改了时间到第二天8点，结果只面了十几分钟，问了些毫无意义的问题就挂了，很无语
-
阿里（机器学习岗，二面挂）
一面
1. 自我介绍
2. XGboost、RF区别，怎么实现的
3. 深度学习，LSTM的三个门控
4. Word2vec、transformer、Bert原理，负采样
5. DeepFM、FM原理区别
6. 具体项目
7. 场景题，知道具体时间戳骑手的位置，判断一个大楼的高度
二面
1. 自我介绍
2. 项目，深聊
3. 实习，深聊
一面问题回答得不够好，二面全程问项目也没什么能体现的，面完一直没通知，官网流程也没变，问面试官说不合适，等合适的岗位再联系。。。
-
腾讯（技术研究-机器学习，二面挂）
一面
1. 自我介绍
2. 项目，聚类效果评价指标，冷启动
3. 两种协调过滤，区别比较，如何解决冷启动
4. 推荐系统如何离开局部最优
5. 机器学习偏差和方差是什么，从欠拟合到过拟合二者如何变化
6. 如何解决过拟合，L1和L2正则原理，区别
7. SVM原理
8. List和set的区别查找插入的时间复杂度，set如何实现O（1）的查找复杂度
9. 二叉搜索树的性质
10. TOPk问题，如果可以并行，如何优化
11. 两个代码题，最大子序和and有序数组查找给定值出现的左右位置
二面
1. 自我介绍
2. 问实习
3. 项目
4. F值有什么不好，除了F值还有啥，AUC优缺点
5. 代码题，size（a）>> size（b）>> 1000，将a中不在b中的字符取出，加入c
非常无语，被面试官连续鸽了两次，第三次也全程不怎么说话，中途还接电话，没问什么就凉了，真的恶心人，不想面就不要面，浪费彼此时间 -
猿辅导（数据分析岗，待二面）
1. 自我介绍
2. 项目介绍，设计AB实验
3. 评分卡
4. LR，损失函数
5. 树模型，XGboost和Rf以及adaboost区别
6. 特征工程，CPA和因子分析区别
7. 业务题，辛普森悖论
8. SQL题
-
拼多多（算法工程师，待二面）
一面
1. 自我介绍
2. 手撕代码，最长回文串
3. 项目介绍，深挖
4. LR原理，怎么解决过拟合，为什么正则化可以
5. 贝叶斯和传统统计学派区别吗，那从贝叶斯定理的角度说为啥L2可以解决过拟合
6. 决策树了解吗，GBDT怎么做的，做分类问题用的什么树
7. 为什么梯度下降可以求解最优化，数学理解
8. 通俗介绍SVM
9. 拉格朗日乘子，KKT原理
10. 知道共轭分布吗
11. EM算法，为什么隐变量的问题要用EM算法
12. Jensen不等式
13. Transformer
14. 怎么解决梯度消失，和损失函数有关嘛
15. RNN怎么解决，LSTM为什么可以解决
16. 怎么做文本分类，RNN和CNN各自特点
17. 深度学习里面优化器，ADAM特点
18. 为什么深度学习的效果很好
19. 进程和线程
20. 怎么体现你自己学习能力强，本科排名，研究生排名，为什么学数学来做算法，在学校研究什么方向
目前为止最硬核的面试，面试官什么都问，从transformer问到共轭分布，一个小时地狱难度。。。 -
网易云音乐（深度学习算法岗，二轮技术+HR+主管面，收到意向书）
一面
1. 自我介绍
2. 手撕代码，给定字符串，求长度为k的字典序最小的子序列
3. 实习+项目，深问
4. Word2vec，负采样，层次归一化
5. deepFM
6. Cnn原理，池化和卷积目的
7. Rnn，为什么用lstm
8. Lr原理公式、损失函数
二面
1. 自我介绍
2. 实习项目，attention公式
3. 比赛项目
4. 了解最新的方法嘛
5. 最优化方法，ADAM
6. 数学好有什么优势
7. 面试官评价对最新的不太了解
HR面
1. 自我介绍
2. 为什么选择算法岗
3. 平常会读paper嘛
4. 最有成就的事，说哦辅修，如何自学的
5. 在快手实习最大的三个收获，团队规模，最大的挑战，mentor给了你哪些帮助，实习的感觉如何
6. 除了实习以外，自己的时间学习什么知识了吗
7. 未来三年职业规划，期望的工作地点，哪里人
8. 个人情况，单身吗
总监面
1. 自我介绍
2. 介绍实习（被怼）
3. 介绍项目（被怼）
4. 视频推荐和广告推荐差异（没回答出）HR面完说前面表现加一轮主管面，被怼到怀疑人生，大佬tql，给了很多建议，不求SP了，给个普通offer吧
以上是目前为止面的，总结来看，算法岗基本都是项目+机器学习、深度学习算法原理+手撕代码，个人手撕代码基本都能搞定，但是之前没什么项目经验，在快手实习之前也是偏数据分析的岗位，刚转到算法岗两周，也没什么能讲的，聊到项目就容易崩，非科班也没论文，申算法岗还是太难了。
个人比较偏向的工作地点是深圳，所以最理想的是鹅厂，但是太菜了，算法怕是不行，其次上海，最后考虑北京。目前北京有百度的offer，快手也有留用机会，接下来可能还会面一些上海的（美团、拼多多），有空继续更新，希望能帮到大家。
华为工作强度 767人发布
