有两面，两个小时，问题很多，挑出来现在能记得住的：1.bert以及transformer的结构，以及transformer中的编码器和解码器哪一个速度更快2.LSTM与GRU区别，什么时候用哪一个3.1*1卷积核的作用4.避免过拟合的方法以及原理5.bert的一些trick6.算法题，两个数组求差的最小值（归并）7.实习的一些内容8.self-attention的技术9.word2vec，fasttext的相关技术细节，为什么快慢之类先这些，想起来再补 8.22三面深度模型的训练技巧，BN,dropout，L2等，以及为什么dropout和集成学习的那种方法最相似？为什么？（GBDT）LSTM...

我看好多人都是面试完测评 我咋就没面试就收到了测评题呢

三道题分别是求和，编辑距离，最小序列 我先来0.3,1,1

陌陌和昆仑万维上都到了面试--待安排阶段，却一个都没打电话来约面试，大家有这样的嘛

一面 优雅的用例子解释贝叶斯公式 双向LSTM的性能为什么优于单向LSTM 绘制一下fasttext的网络架构，并解释为什么fasttext速度快，以及fasttext训练出的词向量是否优于word2vec 在LR中，如何对数据进行处理可以让结果更好 为什么会产生过拟合现象 l2正则是如何解决过拟合的 小数据集应该如何避免过拟合 二面手撕代码最大数组和实现字符串转数字实习的事情

1.LSTM，BERT,transform中的位置编码是如何表示2.LSTM的cell中tanh是否可以替换成sigmoid？ 输入x经过sigmoid函数后均值在0.5左右，不利于后续激活函数的处理。 而tanh的输出在[-1,1]之间，因此相当于把输入的均值调整为0，便于后续处理。 因此，tanh一般来说总是比sigmoid函数效果更好。 3.fasttext比word2vec快在哪里？是否可以无监督进行向量训练？ 可参考知乎连接https://www.zhihu.com/question/312199140 4.负采样的精度是如何达到非负采样的精度的 来个理论解释吧，s...

上周面百度，今天爱奇艺，面试官都没让手撕代码，但是都聊的挺好的，凉否？有知道的人不

收到啦签约通知

华为的可能面试的太晚了，现在仍然在池子里（5.20来了offer），360信息流部门发来了offer，还是决定上岸了，顺便记录一下之前的面经吧，持续了一两个月的找实习终于要结束了 我找的都是nlp相关的实习，mark一下 蔚来汽车 kmeans能迭代的数学原理 adam的特点 em算法 lstm参数量 lr为什么要使用sigmoid dropout 手撕代码： 二维前缀和 最长回文字串的长度 （拿到offer） 腾讯： 腾讯是通过部门直推的，直接三面一起上，感觉有点压力面的感觉 介绍论文以及改进点...

大家是否知道呢

有人遇到过类似情况吗