记360实习面试

个人年级:大三

面试部门:搜索部(好搜||One Box)


先说个人看法,我认为360 的面试给我的体验远远比阿里给我的好。


说起来也怪,本来是已经错过了2015年上半年实习生的招聘,然而无心去打了一波ACM校赛拿了个银却换来了一次360的面试机会。

结合个人技术特点(基础算法、数据结构、NLP、机器学习)我更倾向于360的搜索部,通过洽谈,得到了面试机会。

当天是约的下午三点的面试,由于个人习惯,我在十二点就到了360大厦,结果当时他们的员工正在组织一个和指压板有关系的奇妙运动……

当时我就惊了个呆,觉得360的氛围很好,而且妹子很多,而且妹子的xiong都很da,觉得如果能来360还是不错的。


一面:技术面

首先我要先补充一下,带我进来的那个貌似是实习的HR妹子真的很赞,非常赞。

路上我问HR来面我的是不是大牛,HR妹子说是“二牛”(其实我是第一次听到这样叫法……),等真人来了,感觉也是一个不到三十岁的大神级人物。

这次没有让我自我介绍,直接对应简历对我一顿问,而且每一条都问,问得很详细,有一些不是特别了解就写在简历上的东西被问的时候真的很惊险。

1.先问的我语言,我说我会写Pascal/C/C++/C#/Python/Java,但是研究都不深,他看我坦白研究不深,就也没深问。

2.然后他就开始让我写一个堆排,实话实说,很久没手写过这些东西了,写了很久,可能有十多分钟,然后给他看,大概讲了讲流程,他可能也没细看,就略过了。

3.他接下来问了我写上的所有的机器学习和数据挖掘的算法,包括神经网络,K-means,SVM,NaiveBayes,我就一一给他说明原理和一般的应用场景,他听得也很耐心,并且时不时地问一些比较犀利的问题,神经网络的负反馈调节算法他都让我说(幸亏我还没忘)。

4.针对自然语言处理的问题,他也问了一些。我就说我之前是用的FudanNLP实现的一些数据挖掘。然后再我提到我之前流产的自动问答系统的时候,他让我详细描述,我就从自动问答的框架、问句按照疑问词分类套模版再映射到答案模版上的思想上和他交流了一下。只能说,自动问答这个项目虽然让我很不开心,而且还流产了,但是我觉得我的收获是没人能否定的。

5.他看到我写到了Map-Reduce的东西,也针对这部分进行了非常详细的提问。其实我也只是做了一个单词计数,还有一个单词去重罢了。不过好在Map-Reduce这个框架的原理我还记得,Mapper,Reducer的作用和键值对的提取和映射我还都是有比较明确的概念的,没出什么篓子。

6.接下来又是喜闻乐见的开放性问题,这个问题非常有意思。大概就是和One Box相关,问我怎么把用户在搜索栏中检索的语句进行聚类(分类)。边思考边和他讨论,最后我是从这几个方向来提出我的思路的。方法一,尝试对语句本身进行分类,这个之前在自动问答中做过的句子相似度很像,抽取出来句子的关键字或者说是实体,然后通过句子的骨干成分去通过加权矩阵(通过知网计算了词语相似度)来进行聚类。方法二,尝试对用户本身进行聚类。这其实是一个概率问题,就是我们会认为有相同特征的人群会有相较于人群外个体更大的概率问出类似的问题,这个思路不是特别清晰,最后经过讨论认为是不是特别好的。方法三,就是跟踪用户在搜索之后的行为,用户一定会在搜索给出的链接中找到他认为最符合要求的,然后再找这个链接的子链……直到用户找到了他最终想要搜索的东西,他就会停留在这个URL上,浏览他需要的信息。我这里假设用户停留时间最长的那个URL是可以挖掘得到的,然后通过对每个问题最终用户自己找到的URL页面进行分类进而对问题进行分类。对于一个URL聚类的方法就是通过它的Title、Article、多媒体链接这些东西去比较计算的。我最后也就只提出了这三个思路,还是很可惜。其实想想,这三个思路第一个基于问题本身,第二个基于搜索的用户,第三个基于用户找到的答案,其实逻辑性也还是有一些的啦~


大概就是这些问题吧,这个大哥让我在原地等一会儿。然而他出去了几分钟后回来告诉我HR在开会,让我先回去等HR给我打电话。没有经验的我并不知道这又是一次婉拒或者是真的有HR在开会,总之,我先回来了……


最后补充一下带我来的那个HR妹子真的很赞。


-----------------------------------------------以下编辑与2015/7/24-----------------------------------------

然而可惜的是,那个妹子貌似也是来实习的,暑假已经回家了,伐开心……

你可能感兴趣的:(生活杂记)