迟来的面经，回馈牛客

写个总结，回馈牛客~ 给自己也给未来面试的同学，少走弯路，命中率更高点~ 祝大家满意的offer多多（迟来的总结 [算法岗-机器学习方向]）
直接上干货

前期准备
理论：统计学习（李航）+ 机器学习（周志华） + 推荐系统实战（项亮）+ 深度学习（那本花书）+ 数据挖掘导论 + 编程之美 + 剑指offer [书籍]
          台大 林轩田（个人觉得很赞）[视频]
          牛客网 leetcode [网站]
项目：可以做做kaggle（感觉这个才是真正提升之道，大牛们很乐意分享技术，可以学到很多）或者国内的一些比赛（天池/datacastle/美团头条等一些企业也会有比赛）多积累些有价值的自己做的核心项目
简历：简洁明朗即可，项目是亮点（最好是涉及真实工业数据方面的自己主程的项目，如果有比赛那么更好了，锦上添花）

面试问题
阿里
 一面：比较基础，问项目，算法，实际场景题
首先上来自我介绍，个人感觉简洁明了点好，突出自己的亮点，比如我天池还有别的比赛拿过几次全国top，比如我实习期间自己负责做了几个项目，这些都是亮点，可以在2min内让面试官抓住想问的点，同时也给自己热热场（切记，一定要对自己做过的项目or比赛非常熟悉，比如我是数据挖掘方向，那么从数据的清洗->预处理->业务理解&&特征构造->模型构造这个流程来说，以及这样做的原因，优缺点都要很详细的知道，总之自己多问自己几个为什么，自己问自己总比被面试官把自己问懵逼了好）
项目面：
一面和二面面试官是直接让我叙述项目的，然而四面交叉面这位大佬并没让我说（后面会说到）；
我是这样介绍我的项目（比赛），首先把项目要解决的问题说清楚，并把项目对应的应用场景说了下（比如：这个比赛是xx举办的一个全球比赛，目的是预测专家回答问题的概率，即专家是否回答问题以及问题被回答的可能性是多少，所以这是一个分类加回归问题，应用场景是xxxx的推荐问答方面，首先把数据blabla...）面试官会根据你的项目叙述，间歇打断你，穿插着问你理论&&这样做的优缺点（看清楚哈 是 优缺点都有问，尤其是缺点），之后引申一些基础知识，比如XGB/LGB/LR/SVM/决策树三大类/boosting bagging的优缺点，怎样衡量一个模型的好坏（对应的评价指标 auc roc 真阳率 假阳率 等等），以及对应算法流程的描述（用自己理解的方式来叙述），有时面试官开心的话会问下时间复杂度和空间复杂度。总之理论方面的优缺点，适用范围，这些理清楚就ok，理论方面还是比较easy点的。

算法面：
很简单的一个。。。0-1背包方面，二叉树搜索方面的；字符串方面；数组方面（由于面试是面试官自身自由发挥，怕限制了后续同学的面试点，这里只给出范围）

实际场景题：
我是推荐方面，题目意思是，你可以用淘系所有的数据，让你设计特征和模型，让预测该用户最有可能点击的产品（我的解答：特征方面，最近3天/1周/2周浏览商品（结合时序分析），用户加购商品，用户点击商品，等一些行为特征；还有用户画像，item画像，对应的评价标准是AUC/LOGLOSS;模型先用LR 判断对应特征是否有效，有效后就常见的 LGB这些。。。然后上A/B test）

二面：项目，算法，实际场景题
一个晚上刚刚吃完饭，突然一个电话来了，然后就开始面试了。。。。。
项目：
这里面试官对我的学术论文感兴趣，然后说了一些（基因测序方面，由于和常见的不太相同，就不展开介绍了）
接着又聊了那俩比赛（挑了俩比赛说了下，也就是说我的项目准备了四个左右），依然从那几个方面来叙述。
接着聊了聊实习期间的项目，对方比较满意。

算法：
我的学术论文涉及到编辑距离，所以问到了这个，还有bitmapper（这也是我学术论文方面。。。）

实际场景题：
这里就是针对在美团的实习问的，如果再让我在原基础上再提升5个百分点，我怎么做（模型融合提升的效果肯定没特征融合以及高阶特征效果好，按照这个思路回答的，对方满意）

三面：hr
不知道为啥三面是hr。。。
hr问的比较基础，问了问项目，以及项目遇到的难点，我怎么解决的，还有数据是否涉密之类，然后让我对比了手中的offer，问我更倾向于哪家（当然阿里了。。。），然后对方问我期望薪资，我说了别家给的之类。

四面交叉面（p9级别）
过了一天后，二面主管面试官电话说，想让我走的更远一点，给我约了交叉面，一位p9面试官（然后我问了一些交叉面的牛友，牛油都很客气和热情的和我说，不用担心，就是一些基础的聊聊天之类，然而。。。）
首先问了有哪些offer然后直接项目
项目：
全程没有让我主动介绍，直接问技术要点（如果没进入状态或者稍微不熟悉那么就惨惨的了）；直接问这个项目是不是真实场景的数据，做了些什么？（我一点点的介绍，然后被打断问细节，然后对方问这样做效率如何，你觉得效率会比你不这样做高吗？为何？）
然后是用到了哪些模型（LGB+XGB的bagging），为何？有什么好处？LGB里面你用到了哪些参数？你怎么调的参数？
然后看到了我的学术论文，然后问了问，最后说完（基因序列方面，比较。。。小众。。。说了下我的创新点，对方不是很清楚，毕竟不是一个领域的，不做参考）

算法：
问了几个大数据相关的，两个文件，特别大的文件A和B，A50G,B10G，一台电脑，内存2G，硬盘无限大，让你求两个文件的交集，差集（我用的MapReduce的思想做的，开始有点点紧张，忽略了只有一台电脑，大佬立马说，只有一台，然后很耐心的引导了一下，还好我反应快，抓住了本质，回答出来了）
然后问了分治的问题，还问了学了哪些课程（算法导论啊，hadoop啊，多核并行啊。。。），大佬：哎呀 那个算导很厚的，你们是选学还是整本学，谁教的呀（选学，我老板教的）；大佬：你学过机器学习吗？（没，自学的）；大佬：嗯 好，有什么问题问我的吗？ （那俩文件的交集我回答的您觉得还有别的更好的方法吗？）大佬：你不是回答的不错吗，就是想看看你是否有MapReduce的思路的；然后大佬就问我实验室的小伙伴有没有想去阿里的，我们也有special凹，让我推给他（好亲切的大佬emm，另外想来阿里的2018的还可以站内我哈，主要招算法方面，社招（知名公司）也招）

美团
美团是三轮（也是远程电话，这里是美团实习，最后去实习然后拿到了sp）
第一轮 询问了有哪些实习offer，介绍项目，针对项目问问题
第二轮 视频面，问算法，问基础理论知识，问项目，问代码
第三轮 电面，把前俩轮的都问了下，然后重点问了代码，很喜欢问字符串和二叉树搜索排序相关的问题，接着是项目，接着又是理论（可见理论多么重要）
第四轮 hr 通知 offer
美团的氛围很和谐，mentor和boss都很赞，而且问题的解决和切入点也很棒，总之学到了很多，尤其是mentor的那句，为了生活而工作（mentor是文艺范大佬）[最后拿到了算法的sp]

讯飞大数据研究院
也是三轮 和美团类似 不过是现场面而已  最后sp offer

华为
不知道是为了加快进程还是什么原因，我就两面，一轮技术一轮大boss，技术就是讲自己的项目，然后问了道简单的算法题，二轮boss在和我聊他们的公司很棒。。。emmmmmmm 最后sp offer

ZTE
四轮 最后sp[问题也是没啥要说的，哦对， 他这个面试比较有趣，每轮都是2人面你一个，压力面？？？可是基本上没啥压力额。。。]

最后累了，微信还有微软就鸽了。。。

另外谢谢帮过我的同学和学长，还有好队友~~~认识你们提高了我的幸福指数~~~

看到这里的同学们，祝你们offer多多哟，笔芯~