渣硕算法岗秋招面经
update10/24:寄出去了三方，校招彻底结束，补充了一些内容
收到offer的：京东、美团、小米、作业帮、酷狗、乐信、Bigo、联影医疗、招银
面试挂的：阿里、融360、360、多益网络、去哪儿、秒针、吉比特
实习转正挂：华为
笔试挂：滴滴、头条、银联、便利蜂、网易、商汤科技、百度、腾讯、58、新浪、bilibili
放弃面试：好未来、招行信用卡、招行管培生、南瑞、爱奇艺、创新工厂、链家
简历挂：平安科技、金山云、海康、地平线
关于算法准备（数据挖掘、推荐、机器学习方向）：视频可以看七月在线的一系列课程，最好有一个项目或者比赛（实在没有，看明白别人的说成自己的也可以），笔试刷题leetcode和剑指offer（剑指offer优先），看书《统计学习方法》、《算法》（红皮那本）、清华大学版《数据结构 C++描述》，语言方面最好准备C++或者JAVA
————————————————下面是面经正文————————————————————————
招银（提前批） Offer
3V1面
1、String、StringBuffer、StringBuilder区别
2、Java类加载机制
3、Java中深拷贝、浅拷贝
4、（场景题）设计一个系统，进行金融产品推荐，需要的数据、提取的特征以及采用的算法
5、一根绳子，完全烧完需要1小时，统计一个半小时
6、羊和人，还有狼貌似，过独木桥（小学奥数题）
7、喜欢读的书，喜欢打的游戏（三国杀中，大乔和小乔谁更难用跟面试官讨论好久）
阿里 一面挂
一面：
1、软件开发过程中的流程、敏捷开发的优势缺点、需求分析与设计
2、各个排序的时空复杂度
3、Java中ArrayList、LinkedList、HashMap、HashSet实现原理
4、Struts2中的Action是否是单例模式，解释
5、Spring中bean的生命周期和scope
6、OSI七层模型
吉比特 一面挂
一面
1、堆排序原理、时空复杂度
2、红黑树的原理、时空复杂度和简单调整
3、求解sin1（利用泰勒展开）
4、线程同步的方法
360 二面挂
一面
1、写代码：单词逆序
2、讲项目（问的特别细，包括特征怎么提取的，多少维度，用的什么算法）
3、Alext网络介绍
4、深度学习池化方法
5、Relu相比sigmod函数的优点
二面
1、xgboost的公式、损失函数推导
2、L1和L2范数的区别
3、向面试官讲解他完全不了解的SLAM技术（面试官主动要求的，而且讲了好久，估计是考察语言表达能力吧）
4、算期望，有N个不同颜色的球，有放回的取，每次取1个，取M次，即Uniq(M)={不同颜色的个数}，求Uniq(M)的数学期望【知乎上有详细讲解】
4、LR的公式，以及原理（交叉熵）
联影医疗 Offer
一面
1、GBDT和xgboost的区别
2、GBDT和LR的区别
3、讲项目（为什么用GBDT LR？）
4、随便讲一个熟悉的传统图像处理中的特征提取和描述子（sift和sift描述子）
二面
1、写代码：实现统计图像灰度直方图的代码
2、熟悉的聚类算法、k-means原理、混合高斯模型原理
3、PCA原理、数学解释（应该是一个最优的线性子空间）
4、surf相比sift特征点的优化之处
5、写代码：dijkstra最短路径算法
6、SVM原理、过拟合怎么解决
7、霍夫变换检测直线和圆的原理
HR面
个人优缺点、拿到的offer、期望薪资、是不是独生子、对联影医疗的了解
美团 Offer
一面
1、C 虚函数的原理
2、GBDT原理
3、介绍一下SLAM（所有面试官都不懂，都特别喜欢问，而且问好久），你看不看好未来这块的发展？
4、讲自己部门业务（讲了好久。。。）
二面
1、Java多线程同步的措施
2、对于多线程自己的理解（多线程是对什么资源的消耗，线程的开销哪方面最大）
3、算法题：特别大的数据，每个数据有一个url地址，统计访问前20的url地址（先将url地址按照hash映射到不同文件或机器，然后再归并）
4、算法题：一个机器，输入是随机数，输出是当前最大的10个数（利用最大堆）
5、算法题：一个文件，特别大，每行有两个数字（1 200等），如果出现（1,2）（2,4），则合并成（1,2,4），统计最后文件剩余多少集合，每个集合的内容（利用并查集）
三面
1、说出7个C 和Java语言的区别
2、对函数式编程自己的理解
3、对开源项目的关注、自己胜于别人的地方
HR面
对美团的看法、为什么保研不去外校、其他offer
多益网络 一面挂
一面
1、讲项目
2、写代码，忘了。。。好像内推第一批大家写的都是同一个算法题（大数据及人工智能工程师岗位）
3、k-means原理、优缺点
4、GBDT和xgboost的区别
5、算概率，一幅扑克，去除大小王，求任取两张是同一个花色的概率
去哪儿 一面挂
一面
1、写代码，代表自己水平的排序算法（撸了个快排）
2、写代码，写二分查找，及其优化
3、段式存储和页式存储的区别
4、POST和GET方法的区别
5、写代码，查找一个数组中是否存在差为N的等差数列（连续三个及其以上）
6、Java中HashCode和equals方法的区别，如果重写了equals，没重写hashcode会怎么样，反之呢
融360 一面挂
一面
1、LR的损失函数
2、LR的训练方法（除了随机梯度下降之外的）
3、讲项目
4、写代码，将阿拉伯数字转换成汉字（120-》一百二）
5、为什么GBDT LR比单独的LR要好
小米 Offer
一面
1、GBDT原理，和RF的区别
2、写代码：两个字符串的最大连续子序列
3、写代码：链表快排的其中一步，即把大于N的移到后面，小于N的移到前面，但是相对位置不变
二面
1、写代码：两个未排序数组求中位数
2、写代码：求解一棵树中的最大的宽度
3、写代码：求一棵树中的最长路径
4、场景题：地图在不同缩放比例中显示的地点如何选择？（1、地标，2、用户喜好，3、用户行为分析），如何推荐地点？（需要的特征和算法）
Bigo Live Offer
一面
1、ping www.baidu.com涉及到的网络协议
2、写代码，自己实现一个String类
3、写代码，判断大小为N数组是不是【0，N】的全排列，时间复杂度为0(N)，空间复杂度为O（1）【利用抽象代数中的置换群】
4、线程间的通信，线程切换中需要保存的数据
5、如何多个进程监听同个端口
6、滑动窗口协议的原理
二面
1、讲项目，问的特别细
2、讲SLAM（保留曲目），让我猜测吴恩达和他老婆开的公司可能会用什么方法解决自动驾驶中的问题
3、个人性格和合作
三面
1、手推SVM公式
2、RBF（高斯核）的原理、高斯核为什么可以映射到无穷维
3、手推LR公式和损失函数
4、手写代码，最大递增子序列
5、LR为什么可以做分类，取0.5作为正负类的分界点合理吗
6、场景题，编程计算π（利用采样估计的思路，可以拿到圆的半径，然后外接一个矩阵，生成随机点，计算落在园内和圆外的比例，得到圆的面积，根据面积公式计算π）
7、用EM算法介绍k-means
8、L1和L2范数
HR面
日常作息、个人优缺点、学习之外的娱乐
作业帮 Offer
一面
1、撸代码，大数相加
2、堆排序的原理
3、撸代码，完整堆排序
4、撸代码，循环队列的实现
5、一个文件，读操作需要0.01s，但是读取内容需要0.1s，如何设计（多线程，讲了好多，包括线程死了怎么办，线程怎么设计合理，基本上是让你自己设计一个线程池）
二面
1、撸代码，链表转置
2、撸代码，不额外申请空间交换a,b的值，给出2个解决方案（异或和相加）
3、画出TCP三次握手和四次挥手
4、socket编程中的文件描述符fd的组成
5、撸代码，利用两个队列实现一个栈，包括出栈入栈操作
三面
1、讲项目，特别细
2、GBDT和xgboost的区别
HR面
对作业帮的看法、对在线教育的看法、手里的offer、对面试官的评价、对作业帮产品方面的一些讨论、作业帮的工作强度
京东 Offer?
一面
1、写代码，最大递增子序列
2、树的两种遍历方式
3、如何恢复一棵树
4、隐语义模型介绍
5、场景题，京东app首页的推荐怎么设计
6、场景题，现在要对用户推送软文，但是没有数据，利用协同过滤怎么实现（利用隐语义模型，计算用户-主题矩阵）
二面
1、评价自己的笔试和一面
2、讲项目
3、说一下自己距离算法工程师的差距和自己对于该岗位的理解
HR面
1、自己的性格优缺点
2、如果你跟上级意见不一致，怎么解决
3、如果下级处处冲撞你，怎么解决
4、任务马上延期了，怎么解决
5、说出三个京东不如淘宝或者天猫的地方
秒针 二面挂
一面
1、协同过滤的思想、当前推荐算法的不足、如何改进
2、PUT和POST的区别
3、写代码，计算一个ip属于哪个网段（将ip转换为int）
4、Java实现多线程同步的方法
5、写代码，实现消费者生产者
6、场景题，如何计算两个大文件是否相同，若果有改动，找出改动（hash）
7、场景题，几台服务器，物理距离远，每台存储一些数据，找出最大的N个数（归并排序的思想，最大堆）
二面
1、统计IP是否出现过（布隆过滤器）
2、布隆过滤器的初始训练、加载
3、一个数组，只有1个数字出现一次，其他出现两次，找出那个数字
4、一个数组，只有一个数字
酷狗 Offer
一面
1、LR的数学原理（伯努利分布的数学期望）
2、训练率的选择
3、GBDT和RF的区别
4、tf-idf原理，和word2vec的区别
5、场景题（当初的笔试题），预测用户的性别
二面
1、项目
2、隐语义模型
3、正则化理解、过拟合理解
4、讲一个处理数据的例子
HR面：
期望薪资、自己的优缺点、性格如何、已有offer、HR介绍了许久广州的IT行业情况
乐信 Offer
一面（面试官搞NLP的）
1、xgboost和GBDT的区别
2、介绍一个机器学习算法，我来评判你的水平（讲了个k-means）
3、怎么学习机器学习的
4、对于推荐的个人理解，当前推荐的主流做法，你觉得哪块可以改进
5、xgboost建多高合适
6、高斯混合模型的原理、步骤
二面
1、讲项目
2、自己做过最成功和最失败的一件事
HR面
期望薪资、已有offer、HR介绍了一下公司的新员工培养政策
