大厂PM面经

个人背景：🔥985硕士，计算机专业，研究方向为机器学习/数据挖掘- 有推荐系统相关项目，Kaggle竞赛经历- 面试岗位：滴滴出行-算法工程师（机器学习/运筹优化方向）📝 面试全流程回顾1. 笔试（线上编程+数学）-算法题（2道，LeetCode中等偏上难度）- 动态规划：最长递增子序列变种（需优化到O(nlogn)）- 图论：Dijkstra算法实现+路径还原- 数学题（概率统计+线性代数）- 贝叶斯定理应用题（拼车场景下的概率计算）- 矩阵分解（SVD）的原理与优化意义2. 技术一面（1小时）- 代码能力- 手撕：实现带权随机抽样（Reservoir Sampling变种）- 代码优化：如何减少时间复杂度？- 机器学习基础- XGBoost vs LightGBM的差异？如何选择分裂点？- 如何解决推荐系统中的冷启动问题？- 业务场景题- 滴滴拼车订单匹配如何建模？（聚类+贪心算法的取舍）3. 技术二面（1.5小时）- 项目深挖- 详细介绍Kaggle竞赛方案（特征工程、模型融合技巧）- 追问：如果数据分布偏移（如疫情前后出行规律变化），如何调整模型？- 系统设计- 设计一个实时ETA（预估到达时间）系统：- 数据源（GPS/交通路况/历史数据）- 模型选型（时序模型+在线学习）- 异常情况处理（突发拥堵如何动态调整？）- 算法发散题- 如何用算法减少司机空驶率？（转化为图的最短路径问题）4. HR面（30分钟）- 团队协作经历、抗压能力举例- 期望薪资与工作地点偏好🌟 总体而言，滴滴面试强度还是可以的，问题问的很细，如果不会的话，同学们尽量委婉回答，引导面试官问出问题。滴滴待遇还是相当可以的，最后给大家一个内推链接，还有内推码。🚘投递方式【内推链接】https://app.mokahr.com/m/campus_apply/didiglobal/96064?recommendCode=DSW46Dg7&hash=%23%2Fjobs#/jobs【内推码】DSW46Dg7全流程跟进，投递的同学评论区留言，方便后续跟进，秋招加油！#滴滴# #应届# #实习# #算法工程师# #校招# #滴滴出行# #内推#

#运营面经#  #找工作有哪些冷知识#  #提前批简历挂麻了怎么办#  #你的简历改到第几版了#

1 移动互联网红利消退，增量市场转为存量竞争：过去十年，客户端开发（尤其是移动端）的爆发式增长得益于智能手机普及和移动互联网红利。然而，据工信部数据，2023年中国移动互联网用户规模已超12亿，渗透率接近饱和，新增用户增速降至个位数。市场从“争夺增量”转向“瓜分存量”，头部应用（如微信、抖音、淘宝）垄断绝大多数流量，新App获客成本飙升。中小厂商难以突围，导致纯客户端岗位需求锐减，企业更倾向于优化现有App而非从零开发新产品，甚至直接依托超级App的小程序生态（如微信、支付宝）降低开发成本。  2 跨端技术崛起，原生开发需求被挤压：为降低多端适配成本，企业普遍采用跨平台技术（如Flutter、React Native、小程序）替代传统原生开发。例如，闲鱼、美团等头部App已通过Flutter实现代码复用率超80%，而微信小程序生态容纳了数百万轻应用，进一步减少独立App的需求。原生客户端开发者若仅掌握平台特定技术（如Swift、Kotlin），竞争力将大幅削弱。即便在需要高性能的场景（如游戏、音视频），跨端方案也通过Skia引擎、原生模块混合开发等方式逐步渗透，原生开发的“护城河”日益收窄。  3 大前端融合趋势下，单一客户端技能价值稀释： 企业对开发者的技术要求从“专精单一平台”转向“全端通吃”。招聘需求中，“客户端+前端”“Android/iOS+小程序”的复合技能成为标配。例如，字节跳动等大厂已推行“大前端”团队模式，开发者需同时应对Web、Native、Hybrid等多种场景。纯客户端开发者若无法扩展技术栈（如学习JavaScript、Node.js），不仅晋升机会受限，还可能因团队结构调整被边缘化。这种趋势使得客户端岗位的“纯粹性”逐渐消失，转而成为大前端领域的一个子集。  #客户端# #客户端研发工程师# #客户端面经# #客户端春招#

实在是不知道应该怎么改了，求求各位大佬帮忙指点一下26届毕业生工业设计工程专业想做产品方向想请各位职场大佬、求职成功的互联网学长学姐帮忙看看简历，哪里有问题？还有哪些地方可以优化？#面试求职# #求职# #产品经理   # #改简历     #  #大学生求职#