借楼转发得物2025校招内推：https://www.nowcoder.com/discuss/654328777509515264 前言 最近准备结束自己的秋招了，也有时间整理一下面经，回馈一下牛客和大家，毕竟有时候自己也看过一些面经，得到一些帮助楼主背景，985本硕，均是cs科班，岗位主要是"机器学习"（数据挖掘、搜索推荐方向，偶尔也投递一下nlp方向，cv也懂一点分类模型，有时候也投递着试试）PS：（！！！！除牛客官网，其他平台禁止转载！！！！面经怎么使用，还是看大家自己的情况哈，我可能随时删除这个帖子，因为会怕误导大家，或者信息保密之类的，所以希望大家还是需要多注重基础知识的积累）  几点建议： 1.注重基础知识的积累，多多实践，不能只是看别人的总结，人云亦云。2.为找工作早做准备，尽量去实习，这样基本投了都有面试，面试也有东西说。3.要有自信，积极乐观，面试也很看运气，我一直认为，50%运气，50%实力，而且有时候，运气起到主要导向作用！4.心态平稳一点，拿多拿少offer，其实在于每个人的意义不同，我们要关注自己想要的就行。  实习： 实习一共面试了7-8家(阿里、腾讯、携程、招行信用卡中心（上海）、蘑菇街、华为，网易互娱的2018年底专项实习招聘)，拿了4家(阿里、携程、招行信用卡中心（上海）、华为)，最后去了阿里实习，做搜索推荐  阿里优酷用户增长组（杭州） 一面：2019-04-021.AUC的计算。2.XGBoost的优化点，与传统GDBT的区别？3.为什么二阶泰勒展开？4.展开有没有效果的损失？5.TensorFlow 的参数初始化机制？？？6.LSTM原理，其中的参数是否相同？7.无偏估计和有偏估计8.凸优化问题9.牛顿法与SGD的区别？10.牛顿法能用于非凸函数吗？11.L1、L2正则化区别，为什么稀疏的解好？12.其他就是比赛介绍，面试官自己做过比赛，所以问比赛多。13.模型融合、模型、特征？二面 2019-04-16：本来突然打电话过来面试，但是我因为有事拒绝了，请求改到晚上，面试官同意了，但是晚上鸽了我，第二天，简历就过期释放了（正好隔了两周，所以千万不要乱改时间）...  阿里飞猪（杭州） 然后简历被小组捞了，时间比较久，很多都忘了，当时也在出差，很忙，没记录，大致如下：一面（技术面）：1小时1.决策树的一下细节，GBDT，各种熵的计算，简历提问......二面（主管面）：1小时1.前缀树（字典树）、排序算法（快排、堆排）、python、c++内存管理、深度学习优化方法......三面（总监面）：20分钟1.给你淘宝的商品总量，怎么预测拼多多的商品总量四面（交叉面）：10分钟1.项目介绍五面（hr面）：20分钟1.导师怎么评价你，怎么处理导师的关系，怎么学习？有什么缺点？...  腾讯（深圳） 本来一直想去腾讯，后来阴差阳错，越来越去不了——腾讯面试，我现在回想起来都觉得命中注定去不了腾讯，后面在秋招一起写吧。  华为（深圳） 投递的华为消费者BG，华为商城里面的推荐算法，华为在实习招聘的时候，还是2轮面试，比较简单。然后秋招的时候，hr在8月初让我重新投递这个岗位，说到时候直接给我offer，我就没有再关注过了。结果后面说，面试政策调整（改成部门直招+3轮面试），导致这个岗位在提前批就招满了，于是后面我没有面试机会了。1面：30分钟围绕简历，然后问了spark这些分布式大数据工具，sql里面的引擎，决策树算法2面：20分钟简历提问，然后问加班，聊聊华为，家庭背景...  携程金融（上海） 1.笔试：选择填空 + 三道编程（其中一道肯定与机器学习相关，我那次是，写一个朴素贝叶斯，然后一个sql + leetcode那种题目，秋招也做了一次笔试，有一题是，计算auc）2.一面：不知道是不是因为实习，面的不难。而且就一面。自我介绍以后。就是介绍项目，聊细节，聊算法，很多为什么？有什么效果？全程没有问其他的算法问题，基本都是围绕项目展开。然后开始聊比赛，聊特征工程，全程30分钟，因为安排30分钟一批人。面我的是数据分析，他说他是部门leader，决定权在他，就一面，主要是做金融风控。3.hr面面完三天之内给反馈，周五下午四点半的电话，hr小姐姐问了基本情况，给了口头offer，然后发了意向书，携程金融风控方向，机器学习岗位。  蘑菇街（杭州） ps: 两面都是程序媛，二面体验稍微比一面好一点，不知道是不是因为二面面试官是妈妈级别的，感觉和蔼很多。一面:4-181.自我介绍2.手写代码，反转链表3.围绕项目谈论，一些细节，一些知识(反正就是简历上的，你写了的，都会提一下)xgb,lstm，损失函数，正则化之类的？参数有哪些？怎么做特征工程，特征选择…4.提问环节。一面结束，感觉答得不错，但是全程面试官有一种不感兴趣的感觉，而且很多都给你一种，他不明白你说什么那种感觉。以为会gg的。二面:4-251.自我介绍2.项目谈论(这个真的，可以说无限多，然后她提问了很多她们在实际应用中。xgb遇到的问题，包括，过拟合，难以优化，特征构造，特征怎么选择，继续添加特征效果不明显，实际线上效果不好等，问我有没有遇到过，怎么处理？有什么想法？聊了半个多小时)3.代码：非递归实现，前序和中序遍历。4.提问环节ps: 二面面试官，不过个人感觉，她的态度非常和蔼。说话声音很温柔，整个过程非常的轻松。hr面：4-28工作中优缺点选择工作的侧重点选择大公司还是小公司自己的offer结果:hr最后给我挂了，发了感谢信（主要有两点需要注意，自己的缺点，和与大公司怎么选择）  招商银行卡中心（上海） 这个因为我是参加了他们每年都会举办的一个校园比赛，拿了第五名（三等奖，5000块钱），然后去霸面的，最后拿的是数据挖掘岗一面：（视频）一定会涉及sql知识二面：（现场）两个面试官，HR和主管一人问一点，简历提问，boosting和bagging,然后决策树，然后语言栈（他们主要是Java，所以学c++有点吃亏）；有没有做过社团活动，举个例子，怎么组织的；怎么学习？你的优点？  秋招： 因为秋招实习转正，所以投递的时间比较晚，而且选择比较明确（例如，听说加班多得不投，地点不想去的不投（例如北京））。秋招一共投递了10家左右（只投递杭州、上海、深圳岗位），面试了5家左右（腾讯、百度、美团、网易互娱、平安科技），有些因为个人原因放弃了（哔哩哔哩、头条、拼多多、京东、新浪、滴滴....）。腾讯（深圳）腾讯的面试，注定过不了，首先实习的时候，第一场处女面试是腾讯，简直问啥啥不会，所以还是要提前准备啊（最好上学期就开始准备刷题之类的，这样实习面试就很有把握和自信），然后后面被捞了几次，自己都作掉了。实习：TEG里面的AI lab平台什么的，一面：1.直接项目介绍，然后各种问题：做了什么工作，为什么这么做，2.为什么不上采样、下采样，怎么划分数据？指标是什么，多少？....3.LSTM介绍4.注意力机制5.svm非线性，核函数怎么选择？你有没有用过？介绍你怎么用的？6.比赛怎么做的？有什么优势？怎么取得好成绩？7.算法：怎么判断链表有环？二叉树搜索的复杂度？与红黑树的区别？哪些容器用了红黑树？红黑树怎么调整？红黑树的左旋，右旋？8.用过多线程没有？9.偏向工程还是算法研究？（我说工程）10.什么时候能来实习？（感觉越快越好的样子）然后被做游戏的捞了，岗位是"后台策略安全"一面：1.简历2.说一个开发的项目3.简单的说一下机器学习常用算法然后我中途问了这个岗位是做啥的，他说，是游戏里面的，反外挂，主要涉及数据挖掘和游戏开发。我一听话做游戏，我就SB的说，"不好意思哈，我不想做游戏，你把我简历释放了吧，我感觉不合适？？"蜜汁操作之后，就没有然后了~~~秋招：提前批两次被捞：一次是我在8-15更新了简历，自动激活了实习时候的内推流程，所以8-20左右，约了一次面试，我官网一查，岗位是"后台开发"，然后面试之前，他说先聊一聊，我就问他主要做啥，说是基础平台架构开发，有涉及算法的架构设计，开发为主，然后因为自己当时8-23答辩，所以不想面试，直接拒绝了~~~（其实后来觉得这个岗位还不错，毕竟是架构系统设计，应该蛮有技术积累）。然后实习回来，在9-11号，约了一场面试，岗位又是"后台策略安全"，以为又是游戏里面的反外挂，当时差点点了拒绝面试邀请。一面：1小时06分（CBG微信支付的风控部门）1.自我介绍2.实习项目（20+分钟）：任务，角色，使用方法，深度模型结构、语言，训练时间。。。。3.机器学习基础：SVM，核函数，lr,bagging,boosting,(介绍之后，再提问)4.模型特征选择，特征共线性，5.场景题:就一个简单的短文本，怎么挖掘对应的相关的文本，或者挖掘相关的信息？6.数学：大数定理，最大似然估计，几种分布（正太分布、二项分布、几何分布、泊松分布...）蒙特卡洛。。。一面结束，面试官说我基础不错，直接给我过了，约了二面复试，结果，09-12提前批在12:00截止，就自动灰了，说明，那个主管应该不想面我，直接挂了....至此，腾讯面试结束了，再面，我也不面了~~~  百度（深圳） 一面挂，感觉有两三个基础知识没回答上来，而且面试官不是很明白我做的东西，所以基础很重要啊！09-18，一面：1个小时（现场面，说是统一面试，然后后面再分配，当时觉得，这不是以前华为的操作吗？）1.自我介绍，2.实习项目介绍，场景，怎么做，上线情况3.C++：虚函数，纯虚函数，构造一个基类需要注意什么，怎么使得子类不能使用父类的拷贝函数（private?），函数指针（int (*fp)(int a)），回调函数，....c++114.python:list,tuple的区别，python3中类似纯虚函数的东西（abc模块+装饰器）...5.机器学习：过拟合，欠拟合，无监督，有监督，决策树，随机森林，GBDT...6.场景题：你做一个算法，在训练集上效果一直不好，你会怎么做？7.编程题：1）.两个链表的交点2）.翻转链表8.数据结构：给一个前序，中序，画出一个二叉树9.智力题：1-10000，每次删除奇数位置的数，问最后剩下的数字（2**13）   平安科技nlp岗位（深圳）  这个nlp岗位，主要是投递试一试，因为自己做过一点text match的相关工作，所以就试试，结果被吊锤！（1面问了XLNet，因为这篇论文确实没看，所以就这个不会，面试官说，我基础挺好的，实践也多，就过了；没想到，二面又是问了XLnet，又栽了，就这样挂了~~）09-25 一面，40分钟1.自我介绍2.实习经历：做的text match ，针对这个问题进行提问，3.介绍场景，怎么使用，怎么处理数据......4.BERT,XLNet区别?5.有没有用过BERT，有哪些调的参数？6.详细说一下transformer的结构，怎么看待这个多头注意力机制？7.编码器和解码器的区别点，self attention的机制？8.看看对nlp的知识面广度，（有哪些分类？有哪些NER实体识别模型？）9.TensorFlow的掌握程度，模型固定，模型压缩有没有接触过？10.能不能实现一些网络结构？11.c++ python，SQL掌握的怎么样？09-26 二面 30分钟1.简历提问2.xlnet和bert说一下3.LSTM与rnn4.研究方向和毕业课题...   网易互娱（广州）  （实习的时候，在2018年12月的样子，投过那个什么实习专项招聘，简直裸面，啥也不会，直接去面试，问到最后，直接叫面试官别问了，问了也不会！自己简直SB操作）09-25 一面，一个小时：（机器学习——推荐系统方向）1.自我介绍2.项目：（实习 + 简历项目）怎么做的，场景，问的很浅3.针对简历提问:w2v，原理，负采样，分层softmax，怎么处理文本词典，停用词，unknown token (讨论很多)rnn原理，画一下，然后就是lstm,soft-attention,,,画一下seq2seq的attention机制4.传统机器学习：写一下lr的损失函数，加上l1 /l2正则化；然后解释原理，分析不同点，怎么用特征筛选经验和方法？，pca，卡方校验，5.python：写一下不定长参数的一个函数def func（*args,**kw）6.会不会分布式spark这些，聊一聊...7.说一下推荐系统的框架和流程09-26 二面（主管或总监面），20分钟：1.自我介绍2.基本围绕简历提问，看你做的东西和水平层次3.会不会spark？4.然后就是，聊天，为什么选择网易游戏，与阿里offer怎么选择？5.平时看什么直播？09-26 hr面1.介绍实习的工作内容，怎么与团队的合作，与开发，数据，运营，产品这些怎么协调？2.拿到那些offer，投了那些公司？3.期望薪资？4.选择网易游戏的原因？   美团（上海）  （机器学习方向）一面：46分钟1.自我介绍2.围绕简历实习问：场景，方法，指标，样本，......（20分钟）3.随便说一个算法（说的决策树——特征选择方法区别，分类和回归，）4.大数据 and 分布式5.auc的作用6.编程题：一维数组[1,n],n可以认为正无穷，然后输入无数个区间[a,b],保证b>a，求所有区间长度。（按照a对区间排序）7.最后一个智力题：扔鸡蛋问题。二面：1小时10分钟1.自我介绍2.直接一个场景题：怎么做搜索中的联想页——方案设计，怎么落地，什么指标。。。（怎么得到字典树）3.然后又一个场景题：怎么做美团app的猜你喜欢，只能用LR模型，（特征，那些特征，怎么获取，怎么处理）特征怎么离散化、怎么设计整个逻辑，在线怎么获取用户的特征...4.然后实习项目：模型，场景，（介绍优缺点，cnn 作用，esim模型的优缺点），point wise 和pair wise的优缺点5.GBDT怎么处理类别特征，例如ID特征6.word embedding 的api原理7.最后一个智力题：一个无穷的数列，一直输入，直到收到停止的命令为止，怎么使得返回一个数的概率是1/n，因为是无穷的，不能存数字（蓄水池算法）HR面：20分钟1.大学做过自己觉得有成就的事情？2.怎么学习课外知识？3.比赛经历？实习经历？4.阿里和美团怎么选择？为什么还投递美团？5.能不能承受大的工作压力？  最后： 祝各位，心想事成，万事如意！    [比心]