秋招告一段落，整理文件的时候发现之前记录的面经问题，主要是秋招前期的一些面试，后期由于实习比较忙没花时间整理。在牛客上学习了很多，也希望自己的面经可以帮助到有需要的人吧。 个人背景：本科211信管，硕士985软工，算是算法中的非科班吧。一篇国内水刊，两个天池比赛Top2%，两个实验室机器学习相关项目。 华为 - 算法工程师（实习） 技术面（60分钟） 介绍天池的两个比赛细节，重点询问了如何构造特征 介绍word2vec的原理 叙述xgboost和lightgbm的区别 介绍LSTM及其变种 算法题 ...

自我介绍 本科与研究生成绩排名 挑一个项目来介绍，还有什么改进的空间 RF和XGB的区别，Gini的物理含义 C++引用与指针的区别 python的列表和元组的区别 有序数组寻找target最后出现的位置 从海量数据中找出频数top1000的数据 大概面了50min，祈祷二面

滴滴8.21算法岗笔试 选择题20*3 编程题20*2 感觉靠选择题刷人了...后悔先做选择了...

坐标杭州 7.1 机试：前两题A了，第三题50% 7.9 技术面（1h）: 介绍两个比赛，如何构造特征，追问了方法 介绍word2vec 介绍xgb,lgb 介绍LSTM及其变种 算法题 反问 对什么工作内容感兴趣 7.10 业务主管面（40min）: 没有传说中的聊天...唠嗑... 问了一个比赛，追问的很细 说一说比赛的模型是否有可推广性（在另一个业务场景下效果也不错） 讲完40min就过了...直接让我反问...有点懵 反问完，问了一下项目代码量 许愿一个offer (..)

快手的效率还是很高的，投递的是快手杭州商业化 面试差不多40min 1. 自我介绍 2. 介绍比赛 3. 梯度爆炸及解决方法 4. 介绍一下LightGBM与Xgboost的区别 5. 深度学习的框架会哪些 6. 编程题：二叉树的友视图 7. 能实习多久 8. 反问 题目都挺常规的，大概是自己的回答没达到预期，太菜了...