手撕：单例 +链表是否有环 （1）static存到哪个区,不要说全局区，要说二进制在内存的哪个区（2）多线程调用单例的get接口，有没有并发问题（C+11并发优化）八股：（1） Linux的经典 select/epoll（2）描述符FD和文件的关系，FD在用户态和内核态分别代表了什么（3）红黑树，epoll为什么用红黑树，说一下红黑树的原理（4）选择排序，忘记了，让我说一下堆排序（5）分析各个排序的时间复杂度实习：（1）dex文件解析出来的目的，是为了干什么（2）实习的代码有实现商业化吗？（3）问了问安全引擎的一点问题（4）Linux内核了解吗？KMALLOC和 VMALLOC知道吗（5）AP...

从23年7月份开始找，秋招的时候，一无所知，对于一个二本普通院校的学生，每天做的只能是海投，早上十点，打开boss直聘，用三十分钟投递满100份。 大致扫一眼，只要符合就嘎嘎投递，虽然我在校学的是golang，但是到现在为止，大部分的面试都是侧重于后端开发，不局限于具体的语言。 秋招投递了一个月，效果不理想，工资低的不想去，工资高的投递不进去。 还记得最初投递的时候，总是忍不住想盯着手机看boss回复没有，约到一场面试能激动高兴好久......最终海投了两个月，八月底面过了北京的一个初级算法工程师，九月底入职了。主要是搞python的，自己一点也没看过python，创业小公司，工资给的也挺高，...

#斑马网络# #春招# 时间：4.7时常：45min1、自我介绍2、印象最深的一门课程：面向对象方法、设计模式（噩梦开始的地方）3、介绍下最熟悉的设计模式：单例模式、饿汉、懒汉、synchronized双检+volatile保证线程安全（哦豁！）4、synchronized你怎么用的，除此之外还用于哪些场景过5、接着说下volatile原理：禁止指令重排序、内存屏障6、volatile禁止指令重排序、内存屏障具体怎么保证线程安全，比如i++：宕机了没答上来。。。7、回到单例模式，spring中单例bean会出现什么问题，让你来如何实现bean：线程不安全。。。8、那换个情况，springboot启动那会还没有bean，会出现什么问题：循环依赖9、好，那你怎么检测存在循环依赖：括扑排序10、那你介绍下思路，或者实现下括扑排序，或者讲下具体如何检测图中有环无环11、不用库函数统计一个整数二进制表示中1的个数12、讲下你的毕业论文、应用、意义13、讲下项目中数据库做了哪些具体优化：索引、分页、分库分表、缓存等14、反问总结：不愧是阿里相关的公司，挺硬核的，逮着机会一直深挖

斑马网络nlp一面1.自我介绍2.聊项目，使用了什么机器学习模型，怎么选的特征，怎么测评结果，准确率是多少3.为什么只做了文本级别的f1，没有做节点级别的测评（只是好奇）4.对nlp的理解有什么，展开讲大致的流程5.静态的一一对应的词表的优缺点6.动态词向量怎么表示7.多维的词向量怎么映射到0-1之间的概率（比如说情感分类任务）8.对bert、GPT这样的模型有什么了解9.为什么投递10.coding，编辑距离（面试官说太难了时间不够），改成反转链表反问：这个岗位的实习生需要掌握的基本的能力是什么？答：对于nlp算法实习生来说，需要对bert、GPT这样比较流行的模型有了解，包括结构、使用流程、其中的优化、梯度下降、损失函数等等。对这个岗位来说，业务涉及预测生成，对Seq2Seq、大模型的大概方法（架构）和能力上限需要有了解。哈啰街猫一面1.自我介绍，岗位和深度学习相关，请着重介绍这方面2.对深度学习CNN、RNN、transformer模型的了解有哪些（简历和自我介绍里没有体现）3.用python做一个处理，给一个csv，里面有图片的存放路径和txt的存放路径，有脏数据。要根据txt的内容给图片分类，然后创建几个目录移动图片。4.问简历里的项目有没有量化指标，做了什么优化改进，有什么成果反馈。5.聊到爬虫让现场爬一个百度图片（主要是做CV相关）b站推荐算法一面1.自我介绍2.为什么投递这个岗位3.对推荐算法有什么了解4.再介绍一下简历里项目的业务场景，用到了什么模型5.有没有机器学习、深度学习的基础，学过什么课程6.coding，最小k个数7.讲一下代码思路，用的什么排序，时间复杂度是多少8.讲一下逻辑回归的大概过程，用在什么场景，什么是决策边界、loss function、怎样优化loss function9.逻辑回归和svm有什么区别10.决策边界附近的点叫什么11.我用的模型是怎么做指标测评的12.常规的分类问题评价指标有哪些13.roc曲线是怎么画的，横坐标和纵坐标分别是什么，TP和FP分别是什么反问：业务和实习生具体职责，对实习生能力的基本要求是什么？答：主要分两块，偏算法研究和业务，算法需要有比较好的深度学习基础，业务主要是针对不同场景的落地。

1. 归一化：将特征缩放到0~1或-1~1之间 2. 模型参数：y = wx + b 中的w和b，通过学习得来的     超参数：提前设置好的，主要根据经验值或试验得来 3. 激活函数的比较 1)Sigmoid和RELU - Sigmoid容易出现梯度消失， RELU修正了梯度消失的问题 2)Sigmoid和tanh - Sigmoid范围0~1，均值点为0.5; tanh范围-1~1，均值点为0 - tanh收敛速度比sigmoid快 3)Sigmoid和softmax - Sigmoid用于二分类，softmax用于多分类 4)softmax和Relu - softmax主要用于输出...

一面 自我介绍 自我介绍 你为什么选择前端？ 项目相关 聊聊你项目里最牛逼，最有成就感的事情 在你看来，Vue 2 和 Vue 3 有哪些区别？解决了什么问题？ Composition API 有哪些好处？ mixin 有哪些问题？（这个 Vue 文档里有的）为什么 Setup API 能解决这些问题？ 在 Composition API 里面怎么使用 Vue 的钩子？ TypeScript 用得多吗？ interface 和 class 有什么区别？ （没答出来，所以没往下问） 开放性问题，发散回答： 你有没有尝试过在前端做异常监控？ 我：知道 sentry，但是没用过 如...