字节跳动提前批-财经-算法
一面
1. 自我介绍
2. 项目经历介绍
3. 推导 logistic regression 的代价函数和梯度
4. 一个有序数组，可能以某个位置为界，前后两部位置调换，求 O(logn) 的搜索
字节宣传提前批不影响正式批，不要信不要信不要信，重要的事说三遍
一面：
1. 介绍实习中推荐系统的项目
2. 解释一下AUC
3. 还有什么别的分类评价指标，适用场景
4. 讲一下 DeepFM 和 DIN，真的有提升吗
5. 快排一个单链表
6. 一百个人编号1～100，一百个座位编号1～100，第一个人随便坐，从第二个开始，如果对应编号的座位空着就必须坐上去，否则随便坐。问第100个人正好坐第100号座位的概率。
没啥思路的话，先考虑不用对应编号，每个人都随机坐的情况。
二面：
1. 介绍实习中两个异常检测项目
2. 异常检测中面临的问题有哪些
3. 讲一下你看过哪些机器学习教材
4. 你熟悉李航书中哪些算法
5. 推导一下adaboost
6. 一个无序数组，给定一个数，判断是不是数组中的某两个数之和
7. 不用开方，计算一个整数的平方根
8. 你有啥想问我的吗
hrbp 面
面试官引导按时间线捋了整个大学经历，实习+获奖+学生工作+科研+生活
阿里淘系技术内推批-用户增长-机器学习算法
一面
1. 讲一下论文
2. 讲一下 GAN 异常检测项目
3. 分类评价指标
4. AUC 的非积分计算方法
5. 解释一下 VAE 和 GAN 的区别
6. 了解其他 GAN 吗
7. 讲一下常用优化方法
8. 给定一个十进制表示的浮点数，判断能否精确表示为二进制
9. 你有什么想问的
二面
1. 讲一下自己的情况
2. 推荐系统项目中自己觉得最关键的点
3. DIN 为什么会work，微观的讲一下
4. 常见控制算法
5. 讲一下根轨迹
6. 根轨迹曲线是因为什么的变化产生的，为什么会变化，实际系统中受什么因素影响
7. 讲一下稳定性，为什么根具有负实部就是稳定的
8. 协同过滤里面，一个item首次出现到到达最多出现次数的80%的时间，受哪些因素影响
9. 神经网络能作为控制器吗，举个实际的例子说明
10. 为什么选择现在的研究方向
11. 为什么神经网络模型就不适合风控领域，为什么又适合做推荐。对比和ensemble树模型的优劣
12. 你有什么想问的
思维不要太局限，格局不要太小。谨记
交叉面
1. 仔细讲一下论文
2. 论文里 embedding 怎么实现的
3. 梯度下降什么时候不适用
4. 有自己实现过什么机器学习算法吗
5. 来阿里的意愿
6. 为什么想去杭州
hr 面
1. 自己的优缺点
2. 用过哪些阿里的产品，体验如何
3. 如何看待996
拼多多学霸批-算法
一面
1. 推荐项目里面效果怎么验证
2. 负类样本怎么构建
3. AUC 受影响正负样本比例影响吗
4. 推荐系统中的baseline
5. 问了一点异常检测的基本问题
6. 已知有 n 个数但具体值不清楚，给出其中 n-1 个数，求最后一个数
7. 给出其中 n-3 个数，求最后3个数
二面
问了一大堆有的没的，机器学习问的不难。nlp方面没做过只能答个大概，我也不知道为什么会分到一个做nlp的面试官。。。
代码题就是求二叉树中给定两个节点的最低公共祖先。
最后跟我说，基础不错blabla，会给通过... 第二天就收到了拒信，我问hr两轮技术面面试官都说给过然后拒了？hr表示进入二面不代表一面过了...
哦
我还能说点啥？
希望早点拿一个确定的意向书吧，最近开始有点焦虑了。。。
猿辅导-深度学习算法
一面
1. 项目
2. 搜索左侧边界的二分
3. 动态规划，题记不全了，一个 O(N3) 的 dp，可以优化成 O(N2)
二面
1. 项目
2. OCGAN细节，公式来源的论文，存在的问题
3. 基于重构的异常检测的具体思路
4. 动态规划，又答的不算好，真的要好好补一下。。。
5. 判断有向图中是否有环
美团金服 hrbp 表示会给通过，但是要到9月底10月初再发offer谈薪，有当无吧...
已经猿辅导收到口头offer。说实话还是挺开心的，尤其是二面面试官感觉挺有性格，面试体验挺好。当天有点个人原因导致情绪很差，面试答的也感觉比较一般... 2019.09.11 秋招一个好的开始。
2019.09.16 淘系那边表示新调整了hc我被释放了，然后阿里健康捞了，我也拥抱变化了。怎么说，至少还被捞了，也算一种认可吧，总要向前看不是吗
还是非常感谢内推人和面试官帮我问这个事，前两天得知通过了还瞎激动了一晚上...
道阻且长，要做到胸有激雷而面如平湖，还缺磨练。再加油吧
平常心