腾讯80道高级算法面试题（首发，腾讯面试题、算法）

我自从2015年担任算法组leader，作为面试官面试了不少同学。前前后后面试了超过200名同学，其中有不少入职的同学后来发展都不错，也坚定了自己对于选人标准的自信心。

今年2020年找工作尤其艰难，我把这些年作为面试官一些重要的面试题整理出来，一共80道，希望能够帮助到大家。

为了方便大家，我做了一个归类，一共分成了6大类，分别是：机器学习，特征工程，深度学习，NLP，CV，推荐系统。这些知识既是面试中的常见问题，也可以作为大家整理自己思路的参考资料。（需要的同学文末免费领取）

 

机器学习理论类：

 

 

1.  写出全概率公式&贝叶斯公式

2.  模型训练为什么要引入偏差(bias)和方差(variance)？  证

3.  CRF/朴素贝叶斯/EM/最大熵模型/马尔科夫随机场/混合高斯模型

4.  如何解决过拟合问题？

5.  One-hot的作用是什么？为什么不直接使用数字作为表示

6.  决策树和随机森林的区别是什么？

7.  朴素贝叶斯为什么“朴素naive”？

8.  kmeans初始点除了随机选取之外的方法

9.  LR明明是分类模型为什么叫回归

10. 梯度下降如何并行化

11. LR中的L1/L2正则项是啥

12. 简述决策树构建过程

13. 解释Gini系数

14. 决策树的优缺点

15. 出现估计概率值为 0 怎么处理

16. 随机森林的生成过程

17. 介绍一下Boosting的思想

18. gbdt的中的tree是什么tree？有什么特征

19. xgboost对比gbdt/boosting Tree有了哪些方向上的优化

20. 什么叫最优超平面

21. 什么是支持向量

22. SVM如何解决多分类问题

23. 核函数的作用是啥

特征工程类：

 

1.  怎么去除DataFrame里的缺失值？

2.  特征无量纲化的常见操作方法

3.  如何对类别变量进行独热编码？

4.  如何把“年龄”字段按照我们的阈值分段？

5.  如何根据变量相关性画出热力图？

6.  如何把分布修正为类正态分布？

7.  怎么简单使用PCA来划分数据且可视化呢？

8.  怎么简单使用LDA来划分数据且可视化呢？

深度学习类：

 

 

1.  你觉得batch-normalization过程是什么样的

2.  激活函数有什么用？常见的激活函数的区别是什么？

3.  Softmax的原理是什么？有什么作用？CNN的平移不变性是什么？如何实现的？

4.  VGG，GoogleNet，ResNet等网络之间的区别是什么？

5.  残差网络为什么能解决梯度消失的问题

6.  LSTM为什么能解决梯度消失/爆炸的问题

7.  Attention对比RNN和CNN，分别有哪点你觉得的优势

8.  写出Attention的公式

9.  Attention机制，里面的q,k,v分别代表什么

10. 为什么self-attention可以替代seq2seq

自然语言处理（NLP）类：

 

1.  GolVe的损失函数

2.  为什么GolVe会用的相对比W2V少

3.  层次softmax流程

4.  负采样流程

5.  怎么衡量学到的embedding的好坏

6.  阐述CRF原理

7.  详述LDA原理

8.  LDA中的主题矩阵如何计算

9.  LDA和Word2Vec区别？LDA和Doc2Vec区别

10. Bert的双向体现在什么地方

11. Bert的是怎样预训练的

12. 在数据中随机选择 15% 的标记，其中80%被换位[mask]，10%不变、10%随机替换其他单词，原因是什么

13. 为什么BERT有3个嵌入层，它们都是如何实现的

14. 手写一个multi-head attention

推荐系统类：

 

1.  DNN与DeepFM之间的区别

2.  你在使用deepFM的时候是如何处理欠拟合和过拟合问题的

3.  deepfm的embedding初始化有什么值得注意的地方吗

4.  YoutubeNet 变长数据如何处理的

5.  YouTubeNet如何避免百万量级的softmax问题的

6.  推荐系统有哪些常见的评测指标？

7.  MLR的原理是什么？做了哪些优化？

计算机视觉（CV）类：

 

1.  常见的模型加速方法

2.  目标检测里如何有效解决常见的前景少背景多的问题

3.  目标检测里有什么情况是SSD、YOLOv3、Faster R-CNN等所不能解决的，假设网络拟合能力无限强

4.  ROIPool和ROIAlign的区别

5.  介绍常见的梯度下降优化方法

6.  Detection你觉得还有哪些可做的点

7.  mini-Batch SGD相对于GD有什么优点

8.  人体姿态估计主流的两个做法是啥？简单介绍下

9.  卷积的实现原理以及如何快速高效实现局部weight sharing的卷积操作方式

10. CycleGAN的生成效果为啥一般都是位置不变纹理变化，为啥不能产生不同位置的生成效果

这些问题的答案，我们给大家整理了一个资料包，关注我私信回复【666】免费领取

中国算法之最“左程云大牛”出版完整版算法书籍，细到你不可能看不懂

程序员代码面试指南IT名企算法与数据结构题目最优解

这是一本程序员面试宝典!书中对IT名企代码面试各类题目的最优解进行了总结，并提供了相关代码实现。针对当前程序员面试缺乏权威题目汇总这一痛点，本书选取将近200道真实出现过的经典代码面试题，帮助广大程序员的面试准备做到万无一失。“刷”完本书后，你就是“题王”！

采用题目+解答的方式组织内容，并把面试题类型相近或者解法相近的题目尽量放在--起，在学习本书时很容易看出面试题解法之间的联系，使知识的学习避免碎片化。书中将所有的面试题从难到易依次分为“将、校、尉、士”四个档次，方便读者有针对性地选择“刷”题。本书所收录的所有面试题都给出了最优解讲解和代码实现，并且提供了一些普通解法和最优解法的运行时间对比，让读者真切地感受到最优解的魅力！

本书中的题目全面且经典，更重要的是，书中收录了大量独家题目和最优解分析，这些内容源自笔者多年来“死磕自己”的深入思考。

码农们，你们做好准备在IT名企的面试中脱颖而出、一举成名了吗?这本书就是你应该拥有的“神兵利器”。当然，对需要提升算法和数据结构等方面能力的程序员而言，本书的价值也是显而易见的。

目录

 

 

这些问题的答案，我们给大家整理了一个资料包，关注我私信回复【666】免费领取

推荐阅读：

牛皮了，马士兵老师全网首播阿里P8级技术、实现大型淘宝实战落

面试美团被JVM惨虐？阿里P9架构师用500分钟把JVM从入门讲到实战#合集

清华启蒙架构师马士兵针对应届生到开发十年的Java程序员做职业把脉

马士兵教育：Spring源码实战全集，资深架构师带你搞懂Spring源码底层从入门到入坟

阿里P9架构师120分钟带你掌握线程池，不在为线程而烦恼