面经回忆流水账(算法工程师)
写的有点晚了，纯靠回忆
背景：在图像的实验室呆了一年(换过实验室)，水了一篇CCF-C类。实习没经历，比赛没成绩。算法题不熟练，Python/C++不精通。数学还可以。
岗位都是北京互联网公司的算法岗位，方向计算机视觉为主，有几个数据挖掘。 互联网BATTMDJ全都乐透，cv类的商汤和美图也乐透，此外还有一堆乐透经历
次次乐透的原因就是学习的时间看数学有点上头了(分析系列，代数系列，概率系列，离散系列还有优化系列都有花时间看过一些豆瓣高分的教材或者著作)，但是代码写的少，算法题刷的不够多，另外没有撑腰的实习经历，简历就比较难看了。找实习的时候在弄赖以毕业的小论文，基本都是裸面的，就很悲惨。
侥幸进了几次季后赛：
2017/08/28 网易有道(拒绝一轮游)
一面：
１，论文
公式推导过程
有没有考虑其它特征，最新论文有没有什么新思路
re-id深度学习是怎么做的
２，谈一谈c++的多态
３，RF和GBDT的区别
４，写两个算法题
(1)，二叉树非递归中序遍历
(2)，有序数组a[1,...,n]，和一个数m, 问a中有没有两个数相加等于m
2017/09/06 网易有道(二轮游)
二面:
1, 从头到尾推导论文
2, 深度学习了解那些东西，随便讲一讲
3, 代码题，给一个文本文件，实现八十字符行，即实现Linux命令
fold -s < input > output
2017/09/16 旷视(进总决赛)
一面:
纯讲论文，从头到尾推导，re-id都有哪些常见数据集
二面:
1, 论文再推导一遍
2, 深度学习了解哪些东西, 讲讲Dropout
3, 代码题：任意给一个整数，求分解质因数后有几个5
三面:
1, numpy写矩阵操作
2, 代码题: two sum问题各种变式
2017/09/26 华为(一轮游)
一面:
1, 项目(论文)，用到哪些技术。scikit-learn, libSVM怎么用的在哪里用的
2, 讲讲逻辑回归
3, 讲讲随机森林
2017/09/29 唯品会(一轮游)
一面:
1, 论文
对re-id整体的理解，主要有哪些问题，业内有哪些公认的方法
2, LR和SVM的区别联系
3, 代码题
矩阵A, 坐标(i, j), 左上角为(0, 0)
从左上角开始逆时针转，每转完一圈就转里面的一圈，求最后所有元素都转完之后的停留位置
2017/10/09 旷视(总亚军)
终面:
1, 论文
(1) 两个监控摄像头下的两个行人，怎么定义他们的距离
(2) rankSVM是怎么做的
2, python实现目录下文件去重
3, python打开一个文件时的with是干嘛的，在c++里对应的哪个机制，c++如何实现
4, C++ 智能指针一系列问题，引用计数如何实现
5, 奇异值分解，特征值分解
6, 概率题求期望，期望不存在(级数发散)，怎么证明调和级数发散
2017/10/16 新浪(二轮游)
一面:
1, 论文, 其中rankSVM是怎么做的
2, 给定一个字符串str，和一个字符串模式的集合set。问这个str能不能完全分割成set中的模式
例如str = "abcdae", set = {"a", "ab", "abc", "cd", "e"}，则str分成ab|cd|e即可，可以分
但若set={"a", "abc", "cd", "e"}则找不到分法，不可以分
3, C++构造函数相关
二面:
1, C++语言特性，拷贝控制一系列问题
2, STL一系列问题
2017/10/18 第四范式(一轮游)
电话面试:
1, 10G内存，排序100G文件，如何实现，口述
2, 单链表排序，只能改变结点的next指针不能改变节点数据，在协作文档上写代码
2017/10/20 好未来(一轮游)
一面:
1, 写出全概率公式并讲解
2, 图像畸变的恢复，任意四边形，恢复成正方形，给出解决方案。
3, 排序数组rotate一次后，查找某个数，写代码
2017/10/20 陌陌(总冠军)
一面:
1, 统计学中的回归分析与机器学习中的线性回归的区别和联系
2, 朴素贝叶斯推导
2, 选一个你熟悉的机器学习方法详细讲
二面:
1, 论文
rankSVM怎么用的，特征多少维什么的细节问题
2, 代码题：
约瑟夫斯问题(总算碰到一个熟练的题了)
三面:(问了好多数学，估计是因为我说了句数学学的还可以)1, 黎曼可积和勒贝格可积的区别(三明治横着吃竖着吃，再提一下y=sinx/x的特例)
2, 单窗口多窗口排队问题，泊松流(随机过程和排队论)
3, 泊松分布公式，怎么来的(泊松分布的前世今生)
4, 独立与相关，从协方差角度谈谈区别和联系，为什么正态分布的独立就等价相关
5, 奇异值分解A=UDV'，特征值分解A=UDU'，各矩阵的特点。奇异值和特征值的物理意义几何意义
(从矩阵对应的线性变换开始入手，把线性变换拆成先纯旋转，再纯缩放，再纯旋转)
6, 讲讲PCA(奇异值分解那里提了句可以实现PCA，然后就让讲讲PCA)
7, 相似矩阵是什么，迹是什么，为什么相似矩阵的迹相等，随便讲讲
8, 回忆上过的课，图像处理都有哪些内容
9, 模式识别/机器学习都有哪些内容 总结：
本来有机会以新秀中产去中关村，然而人家手握首轮签没选中我，可惜了。
只好做个次轮秀，以新秀底薪加盟望京了，未来三年刷数据刷胜率进全明星，期待顶薪续约
