算法面经分享

本文发于微信订阅号:NewBeeNLP,欢迎关注获取更多干货资源。

蚂蚁金服

一面(1h)

  • 自我介绍
  • 详细的问了之前实习工作内容(第一次被问到实习经历部分
  • 详细讲解GBDT
  • GBDT和xgboost的区别
  • 手撕代码,阿里伯乐上写,二叉树的最近公共祖先,实现softmax

二面(40min)

  • 自我介绍
  • 再一次被详细问了之前实习工作内容
  • 挑一个熟悉的机器学习模型讲一下(我选了LR
  • 为什么LR的目标函数是最大化似然函数
  • LR加上正则化项后怎么求解

二面的面试官好厉害,受益匪浅,自己的数学基础不行

三面(40min)

  • 自我介绍
  • 口述代码,一系列连续整数,从中抽出两个数然后乱序,找出这两个数
  • 开放题,如何判断一段文字的时效性,和面试官一直在沟通,感觉回答的还行
  • 口述代码,判断100的阶乘后面有几个连续的0

四面(20min)

以为会是hr面,结果是技术面,有点凉,许愿!!!

  • 自我介绍
  • tensorflow和pytorch的区别
  • 讲一下C++的多态
  • 开放题,输入是一个短文本,判断是否是服装相关内容

hr面(15min)

拿到口头offer啦~

微软

IC1(1h)

  • 自我介绍
  • 问比赛,不得不说微软面试官太强了,给了一些比赛改进的思路
  • 手撕代码,第一题leetcode137,写通用解法,要求时间复杂度O(n),空间复杂度O(1),第二题长度为n的环,走k步,从原点到原点有多少种走法

coding部分面试官比较满意,面完自我感觉也不错,结果很快收到了IC2面试的邮件…

IC2(40min)

面试官迟到了10多分钟

  • 自我介绍
  • 怼比赛细节,被追问得有点懵
  • 手撕代码,写快排,问时间复杂度和空间复杂度,然后要求输出排序后对应元素的原下标

IC2表现得不是很好,不知道lead面有没有戏,许个愿祈祷一下

lead(1h)

  • 自我介绍
  • 介绍bagging和boosting
  • 模型融合的时候,如果每个分类器正确率为0.5,投票法能不能得到正确率0.95
  • 手撕代码,两个有序数组找第k大

快手

一面(1h)

  • 自我介绍
  • 询问比赛,调参,赛后还有别的什么想法吗
  • 介绍roberta,为什么选用wwm
  • 介绍几个除了bert之外的模型
  • adamW
  • BN的原理、作用以及训练测试时的不同
  • dropout的原理、作用以及训练测试时的不同
  • L2正则化
  • 口述SVM整个过程
  • 手撕代码,lc542改编

一面小哥超级好,表白~

二面(25min)

  • 自我介绍
  • 询问比赛,问的比较多
  • 手撕代码,二叉搜索树求第2小

hr面(电话)

拿到口头offer啦

你可能感兴趣的:(算法面经分享)