1221
（1）加权编辑距离
（2）链表的局部反转
（3）不同形式的二分
（4）两个01数组，找到对应位置的最长子数组使其拥有相同个数的1
4.二叉树两个节点间的最长距离
，一道是快排mid，一道是最长公共子序列hard
来自百度，说一下神经网络，不同神经元前向，反相传播的代码实现。
来自百度，softnax代码实现，梯度公式推导和代码实现
来自百度，一个字符串的最长回文串，有没有效率优于平方的算法？
来自腾讯，最长上升子序列，dp实现，nlogn实现
来自腾讯，写个平衡树吧
来自腾讯，神经网络，深度大有什么特点？宽度大呢？
字节，已知x.y的概率分布，求max x,y的分布
字节，一维01数组中，求最长的区间，其中0和1数量相等
字节，两个栈模拟双端队列
字节，求树上的lca，是否有快速的在线算法？
字节，逻辑回归中损失函数的实际意义？
字节，线段树和树状数组的异同。
字节，a，b是两个矩阵，判断a在b中出现了几次？a的大小小于b
字节，最小生成树
作者：NoCareThenCare
链接：https://www.nowcoder.com/discuss/350817?type=2&order=0&pos=47&page=1
来源：牛客网
百度：
1面：
项目相关
算法题：leecode 102
场景题：怎么给用户推荐内容（可以利用浏览历史等等）
2面：
项目相关
算法题：无序数组找到第k大的数 写出两种做法 （quick select， heap）
对于推荐算法的了解：fm，cf等等
3面：
项目
算法题：堆排序， in-order traversal
自己的职业规划
详细讲述自己通过努力完成的事情
字节：
1面：
项目相关
算法题：第一题忘了，第二题leetcode 42
2面：
项目相关
实现求auc的过程（输入就是instance的score和对应label）
矩阵分解相关知识
3面：
项目相关
实现LR
印象最深的paper和最近看过的paper
场景题：如何在用户检索时补全 比如（j->jd, c++,j -> c++,java）
1.如何解决过拟合问题，尽可能全面？（几乎每次都被问到）
2.如何判断一个特征是否重要？
3.有效的特征工程有哪些？
4.数学角度解释一下L1和L2正则化项的区别？
5.注意力机制，self attention ？
6.有哪些embedding 方法？
7.word2vec中，为啥词义相近的两个词，embedding向量越靠近？（这里感谢腾讯面试官的解释）
8.推荐系统中如何解决冷启动问题？
9.GBDT中的“梯度提升”，怎么理解？和“梯度下降”有啥异同？
10.常见的降维方法？PCA和神经网络的embedding降维有啥区别？
11.图卷积神经网络了解吗？（这里感谢滴滴面试官的提问，确实是我的盲点）
12.Bert为啥表现好？
13.SVM用折页损失函数有啥好处？
14.逻辑回归为啥用交叉熵损失函数？从概率论角度解释一下？咋不用平方误差呢？
15.XGboost 的节点分裂时候，依靠什么？数学形式？XGboost 比GBDT好在哪？
16.推荐系统中，CB（基于内容的）和CF（协同过滤的）有啥区别？目的是什么？
17.除了梯度下降，还有啥优化方法？为啥不用牛顿法呢？
18.skip gram和CBOW训练过程中有啥区别？谁更好？
19.图嵌入的发展，图嵌入为啥比w2v好？
20.在线学习了解吗？
21.SVM都能用核函数，逻辑回归咋不用呢？
22.Kmeans聚类为啥能收敛？理论上解释一下？
23.如何解决多目标优化问题？（即同时优化CTR和CVR）
24.常见的采样方法？
25.如何解决样本不均衡问题？
26.高维稀疏特征为啥不适合神经网络训练？
3、算法题：两个单链表找到第一个公共结点。
4、算法题：由0和1组成的二维矩阵，找出1的最大连通域，计算其面积。
1、算法题：长度为n的字符串中包含m个不同的字符，找出包含这m个不同字符的最小子串。
9、介绍一下xgboost有哪些特点。
10、xgboost和GBDT的分裂方式你认为哪个好。
5、算法题：下一个全排列。
6、算法题：长度为n的数组中有一个数字出现了n/2次，快速找到这个数。
- LR的随机梯度实现
- 数组的最大和，数组的最大乘积
-
- Xgboost和LGB原理
- 样本不平衡的处理方法（涉及到业务知识）
- TCP/IP四层模型
- 代码：反转链表
-
- XGboost、lightgbm、Catboost三者介绍
- 聚类算法了解程度、kmeans介绍、K值选择、kmeans++算法
- 代码：leetcode二叉树的最短路径
10.作者：Taylover1314
链接：https://www.nowcoder.com/discuss/349454?type=2&order=0&pos=52&page=1
来源：牛客网
一面：（现场面 10月12 1小时）
- 项目介绍（根据项目问问题）
- XGboost、lightgbm、Catboost三者介绍
- 聚类算法了解程度、kmeans介绍、K值选择、kmeans++算法
- 代码：leetcode二叉树的最短路径
二面：（现场面 10月14日 1小时） - 项目介绍
- 基础知识
- 给定10G的文件，只有2G的内存，如何将文件放到内存中
- 推荐系统的框架了解（召回和ranking）
- 系统设计：推荐系统还有融合框架，假如通过两种不同的召回和ranking系统得到结果，如何在两种备选结果中最终给用户推荐出最适合的十个广告
三面：（现场面 10月16日 1小时30分） - 性格各方面（性格测试未做，现场问相关问题）
- 项目介绍（根据项目进行询问，有个别争议，相互探讨半小时）
- 系统设计：推荐系统有A信息如下，类似于user_id、ad_id、ad信息，B信息如下，包括图像信息、ad_id(即ad与原生图像之间的信息)，对于出现的广告，如何对该广告进行合理配图
四面：（电话面 10月底 40分钟） - 项目介绍
- 性格各方面
- 二叉树的前序遍历的递归和非递归、时间复杂度
- 对百度未来前景的看法
总结：百度的面试在所有面试中是最舒服的，面试的部门是feed，一面是基础知识面，二面涉及到实际业务，三面大部分性格方面，也会涉及到业务方向（三面面试官应该是最终部门的leader），四面是进一步的性格面试（不知道是不是加面，最终给了sp）
5、判断链表是否有环以及环的位置
6、快排
、二叉树是否存在一个子树，子树节点和为整个树节点和的一半
3、青蛙跳台阶
项目里用到了XGBoost，问了一些相关问题，损失函数、节点划分依据、并行怎么做的、和GBDT、LightGBM的区别和各自的优势等。
LR的损失函数写一下，极大似然和最大后验的区别？
深度学习了解吗？CNN 1*1卷积核的作用？
最新的模型了解哪些？提了BERT。BERT里Transformer的多头attention是怎么做的？不知道。。
编程题：数组的最大连续子数组和。
写代码：最大的k个数。用的最小堆，堆没有写实现只定义了一下。
写代码：有序链表的合并还是啥了。。忘记了。。也比较简单。
问项目，基于项目问问题，又讲了一遍XGBoost。。这时候是会的。。
问项目，项目里涉及了文本相似度的计算，问了为什么用词向量算不用别的方法，优缺点是啥。。结合项目说了一下。
SIMHash是怎么做的？一时忘了，没答上来
有什么要问面试官的？给我介绍了一下他们主要做的东西，发现是做推荐相关的，但是推荐相关 的东西我都没怎么看过。。感觉好像又要gg
在线等二面。。全程五十分钟。。
二面：
问项目，讲了讲，有一个项目里用到了NDCG。问NDCG的意义，怎么算的。。没讲明白。。
问推荐算法都了解哪些？协同过滤。。新的方法知道哪些。。不知道。。给我说了几个。。然后就结束了。。全程二十分钟。。凉了
总结：额。。还是太菜了。。欠缺太多
作者：jimmy的小旋风
链接：https://www.nowcoder.com/discuss/347310?type=2&order=0&pos=66&page=1
来源：牛客网
本人计算机硕士，毕业两年多了。目前从事GPU并行优化相关工作。
9月25号 ，猎头推荐了今日头条的深度学习岗，就想着去试试。9月26号的时候，头条打电话约了国庆后面试，10月10号晚上现场面试。
一面
手写代码：给定区间，二叉搜索树去掉不在该区间的节点，用递归，但是写的时候没有处理好，BUG有点多，汗。
项目经验+深度学习相关的东西。
二面
手写代码：使用链表模拟两个数相加，这个写出来了，思路我就不写了，网上很多。
还问了现在做的一些东西，包括cuda和opencl的一些东西。
二面面完后就让我回了，因为两面答的都不是很好，就觉得没戏了；然后过了几天头条又约了10月18号下午2点现场面试。
三面
手写代码：大写的钱转成数字表示，如输入一万零五百，输出10500
三面结束时，面试官问我有没有做运维开发，让我等四面面试官，我感觉运维不太好，而且有点辛苦，就说不感兴趣，然后面试官说稍微等一下，也不一定是要做运维开发，面完后看四面面试官怎么说，最后还是面了下。
四面
手写代码：一个数学推导题，比较简单
运维相关的东西
四面快结束时，面试官说机器学习方面的我做不了，问我想不想做运维，我明确说不太想做运维，还是想继续之前的方向，然后面试就结束了。
回去想了下应该是深度学习岗位的面试官觉得我不太合适，给转到了运维开发，三面和四面应该都是运维的面试官进行面试的。
-
xgboost和lgb区别，除了histogram
xgboost是如何处理缺失值的呢？
在寻找split point的时候，不会对该特征为missing的样本进行遍历统计，只对该列特征值为non-missing的样本上对应的特征值进行遍历，通过这个技巧来减少了为稀疏离散特征寻找split point的时间开销。
在逻辑实现上，为了保证完备性，会分别处理将missing该特征值的样本分配到左叶子结点和右叶子结点的两种情形，计算增益后选择增益大的方向进行分裂即可。
如果在训练中没有缺失值而在预测中出现缺失，那么会自动将缺失值的划分方向放到右子树。
2. xgboost和gdbt区别
3. xgboost用二阶泰勒展开的好处
-
讲下XGBoost
-
XGBoost和LightGBM有什么区别
-
XGBoost为什么用树作为基学习器
-
集成学习中除了Boosting和Bagging还有什么模型？
-
- 代码题：判断二叉树B是不是A的子树
-
作者：offeronemoretime
链接：https://www.nowcoder.com/discuss/319402?type=2&order=0&pos=69&page=1
来源：牛客网 -
词向量有哪些训练方式（skip-gram、cbow、glove、fasttext等），这些方式之间的比较
-
用Skip-gram训练词向量在什么场合比较适用？（答到样本分布不均衡时，skip-gram可以采用负采样、层次softmax解决）
-
有没有尝试在构建词向量后用传统的机器学习模型去训练？
-
两个三十六进制字符串的相加
-
二叉树中序和先序遍历数组，求后序遍历数组
实现 36 进制加法 “1z”+“1” = “20” -
快手推荐
之前学过机器学习和深度学习…但我觉得问的还是比较少，主要建模成数学问题，机器学习和solver 啥的只是工具，那建模数学就是自己的强项了
一面，现场面试官出题，给我一些实际场景，让我抽象成数学问题，再去解决。链表merge和去重 LR
二面，PI controller调整推荐参数问题，也是实际场景变成数学问题，决策树，矩阵链
三面，大佬面，真的是大佬了，我们探讨了自动驾驶的东西，还被问了dp解决实际推荐业务的问题，具体忘了…
交叉面，问了好多业务问题，具体也忘了…最后是dp解决背包问题。
1.解释word2vec（这个我真的是5次有3次都会被问到，我觉得想突出你对它掌握得很好得话得知道层次softmax每次到底是怎么更新参数的，skip gram和cbow的优缺点，负例采样和层次化softmax各自的优缺点，以及word2vec的缺点等等)
编程题： -
一个链表，奇数下标递增，偶数下标递减，使其总体递增。
-
给一个数组，求其所有数都平方后，共有多少个唯一的值。
18.作者：小吃瓜
链接：https://www.nowcoder.com/discuss/174565?type=2&order=0&pos=103&page=2
来源：牛客网
Q：我们输入两个值n和k，n表示我们有从1到n个整数，然后将这些整数都字符串化之后按字典排序，找出其中第K大的。例如:n=15,k=5.那么1-15字符串化之后排序如下:1,10,11,12,13,14,15,2,3,4,5,6,7,8,9。其中第5大的就为13。
求两个字符串的最大公共字串的长度。
算法题，01矩阵，连通块的数量和最大大小，追加问题是如何去重
18. 手写LR前向传播和反向传播
19.6. xgboost和GBDT的区别
19. 讲一下lightgbm模型
20. xgboost怎么处理缺失值的？
21.