2023秋招nlp算法面经

目前收获: bat两个oc一个评估中，其余互联网oc*2
积点功德，等更多oc，offer

面试oj题:
1. 字典树构建，用字典树做搜索/分词; 求平方根
2. 编辑距离，正则表达式匹配，寻找两个有序数组中位数，合并k个升序链表变体，岛屿数量，二叉树层次遍历，二叉树最大路径和，数组中第k大的元素等（lc hot100）
3. python解析json结构，正则表达式匹配（re）
4. 手撕: multihead self attention, logistic regression, layernorm(pytorch可用)

大模型:
今年nlp面试感觉逃不了大模型
1. deepspeed框架介绍
2. lora介绍，了解什么其他高效微调方法
3. prompt tuning, instruct tuning, fine tuning差别
4. llama中per norm，rmsnorm的介绍，优劣，position embedding构造方法
5. prompt构造经验，怎样的prompt更好

业务场景:
可能是本人业务经验少，问得大部分都是“从0开始构建xxx”的问题，比如“从0开始构建推荐系统”
另外，还有很多大数据场景问题，如海量数据中敏感词检测，海量任务调度等

概率题:
绝大部分都是经典题，还有大数定理，连续分布的均值方差公式，有时需要用牛莱公式算积分(ps. 拉格朗日乘子法，一阶泰勒展开要熟悉)