2017腾讯基础研究岗位面试经历

时隔两年又一次面试腾讯。大三的时候面试的是微信后台的岗位，如今面试的是基础研究的岗位。岗位不太一样，不过初面的时候考的内容还是有点类似的。

1. online 笔试
   在线笔试考的基本都是数学题，选择题都是跟一些跟统计相关的数学，简单的如求平均数之类的，这些个人感觉基本不用复习，纯粹提前准备好计算器就好了。比较困难的是一些线性代数相关的题目，大概本人学习线性代数的年代太久远了。。。主要是行列式，特征向量，特征值，正交之类的东西吧。。。 基本靠蒙。。。
   后面的大题就是很开放式的题目，比如评价神经网络的优势与劣势之类的问题。

2. 初面
   初面很考验知识面的广度。
   机器学习方面，经典的机器学习十大算法基本都问得差不多。比如svm的原理，lr的推导，gbdt和random forest的区别，em算法的原理，knn的原理，k-means的原理，神经网络的推导和原理，Apriori算法（这个我没有答出来，因为基本没用过。。。）总而言之，搞机器学习研究的，这些都是必须要过一遍的。
   非机器学习方面。
   1，有Hadoop的原理（一开始听到被吓死了，以为要我去思考怎么实现一个Hadoop。。。其实就是考一下Hadoop的hdfs和mapreduce机制。。。如果你是大数据岗位的话，我建议还是要把Hadoop的基本设计模式过一遍吧。。。）
   2，还有spark的原理，也是主要考一下基本的知识而已，比如rdd，rdd的转换之类的。
   3，c++也问了一堆（楼主其实已经放弃c++很久了。。。然而腾讯偏爱c++），比如虚函数的虚指针表，虚函数和纯虚函数的区别，面向对面语言的三要素。。。
   4，算法，基本就是排序，那些排序是稳定，空间时间复杂度是多少。。。这些东西基本面什么岗位都是需要背下的，特别是后台相关的岗位，其实后台架构每个公司都不一样，不会要求你会用什么框架，能面的一般都只有基础数据结构和算法了。
   5，网络协议（我也不理解我一个面机器学习岗位的人为什么会被问到这个，不过以前面后台的时候也是被问的），万年不变的问法，网络协议有多少层，tcp的三次握手四次挥手之类的。
   6，java（本人直接说不会，然后面试官就没问了。。。）
   7，概率统计，问了一些简单的概率分布吧，比如贝塔分布，伽马分布，T分布，珀松分布，正态分布。。。
   8，线性代数，特征值和特征向量。。。楼主也忘了，没有答上。。。
   9，操作系统，文件系统的知识（楼主忘记问了什么了，反正楼主也不会。。。），线程和进场的区别
   总而言之，前面问机器学习的时候简直对答如流，到了后面问的楼主都是差点要被问傻了，没想到面试一个基础研究岗位竟然被问了那么多其他的东西。。。不过好在问的都是没有什么深度，面试官好像也是主要想考验你知道不知道这些东西而已。

3. 总监面试
   总监面试遇到之前在百度工作过的面试官，先聊了一下他自己的情况，然后拉了一下和我的关系（主要就是扯一些我们在百度认识的一些共同的人和他们的近况）。。。。
   然后面试官要总结前面面试的小伙伴的面试结果，直接扔了我两道简单的算法题让我去做一下先，面试官的要求是尽快，其实潜台词大概是他总结完之后就要听我讲答案了吧。。。
   第一题是问在一个方格图内，可以向右走和向上走，问从左下角走到右上角有多少种走法。 答案：c(m,n)
   第二题就是用O（n）的时间复杂度，求出一个整数数组的和最大的子区间。 答案也不难，小伙伴们可以自己思考一下。
   然后两道算法题做完。面试官看了一下我的简历，觉得我好想做过挺多工程类的机器学习项目（其实好像我的都不是。。。），就说不问基础知识了，直接拿他们部门正在做的项目，比如网络直播的个性化推荐要怎么做，从构造特征到模型建造，还有手Q的兴趣部落的帖子要怎么个性化归类，怎么个性化推荐。。。这里面其实被问得挺懵的。。。 不过答案是开放式的。面试官大概是在考楼主解决一个实际问题的思路吧，中间曾跟我说过我讲的方案他们都试过，效果不好，问我原因。。。（其实就是热门的主播就那几个，怎么个性化推荐，大家还是看那几个。。。哈哈哈哈哈）
   然后又问了下我如何实现输入法的补全。。。（答案也是开放式的，小伙伴们可以自己思考一下，简单的可以是朴素贝叶斯，n-gram,有意思一下可以是基于rnn，lstm之类的模型）

4. hr面
   聊人生

总的来说，这次面试已经淡定了很多，基本没有怎么复习就去面试，因为无论项目还是机器学习的基础知识，个人还是比较放心的。最后也没有什么意外地拿到了offer，准备6月初入职，深圳的小伙伴们一起来合租呀！