助攻篇 | 一份转ML的面试心得记录

这里是归辰的面经杂货铺，你想要的都有～

背景   

    作者是一名今年参加校招的应届生，本文写在校招结束后。

    背景为：本科是北京某工科985，研究生在中科院某所，硕士研究生方向主要做图像语义分割，不过是偏门的雷达图像。1篇水文，1段水比赛，只有一段半年的大厂实习经历（机器学习方向）。个人早在秋招前就定下了放弃CV转投机器学习的策略，可以说自己能拿到几家大厂offer全都依托于这个策略，否则自己估计还在0 offer的状态挣扎。

    在这里也欢迎各位从事推荐及CV的小伙伴加入我们，一起交流学习，一起进步。

    如下仅为部分面经，墙裂欢迎各互联网大佬来撩。

前言  

    整个招聘总体感觉下来就是真的挺看运气的，你没办法决定分到你的面试官是什么风格，跟你有没有眼缘，因为每个面试官的标准和考察方向都完全不同，一个京东的面试官上来就问我有没有顶会一作，被捞了之后另一个面试官就跟我聊的非常愉快。同样，有的同学面腾讯3面7个代码题，另一个简单地打了两个电话就过了。

具体面经分享

网易

一面

    自我介绍。

• 讲实习经历。

• 讲Xgboost，以及相对于GBDT的改进。与RF的不同。

• 算法题：三色旗。

• 算法题：已知后序和中序遍历求前序。

• 反问。

二面

    自我介绍。

• 讲实习经历和论文。

• 询问论文细节（Attention等），问了很久。

• DeepFM以及变种（简历写了）。

• 算法题：求平方根。

• 反问。

百度

一面

    自我介绍。

• 讲实习经历，因为实习经历跟部门非常match，所以整个面试都是在讲经历，问的很细。

• 算法题：判断链表有环。

• 算法题：求环的起点。

• 反问。

二面

    自我介绍。

• 讲实习经历，问的更细了，各种实现细节，各种指标，数据量都问了，当时都快给我问懵了。

• 算法题：二叉树层次遍历。

• 算法题：Z字遍历。
  

• 反问。

京东

一面

    电话面，自我介绍然后让我挑一个最好的经历讲，我就讲了实习，然后针对实习问了问一些FM的问题。

• 反问。

二面

    电话面，自我介绍，讲了实习，然后问了让我印象比较深的问题Xgboost的特征重要性是怎么评判的，LightGBM和Xgboost的并行策略对比。

• 反问。

三面

    电话面，自我介绍，然后问了个场景题，之后就纯聊天了。

• 反问。

快手

一面

    电话面，自我介绍然后让我挑一个最好的经历讲，我就讲了实习，然后针对实习问了问一些FM的问题。

• 反问。

二面

    自我介绍，讲实习经历，问了XGboost和LightGBM，写了两个题：字符串匹配、最长上升子序列。

• 反问。

三面

    自我介绍，讲实习经历，聊天。

• 反问。

总结

    面试官总体对你的考察主要是三个方面：

    1、项目经历：包括你的论文、实习、比赛经历，这些一定要准备好，一问细节就露怯的话非常减分，因为如果连你写在简历的项目你都不能比较好的讲出来的话，会让面试官怀疑你的诚信问题。如果经历Match会大大加分。

    2、基础知识：说实话大部分同学就是背八股文，各种算法的面经牛客上都能查到，但是，只背过是不够的，你写在简历的每个算法你都要非常清楚它背后的数学原理，这需要你从头到尾自己推一遍，理解它之后你才能跟面试官讲的流畅，如果你只是背的话面试官其实很容易发现破绽的，毕竟现在每个人都会背，根本没法筛选。

    3、代码能力：我的水平就是Leetcode200+，然后重点就是把Hot100跟剑指掌握了面试基本就OK了，面试的代码题，大部分面试官基本都是从这里面出（PS.字节真是我的梦魇），而且一定要注意你的代码规范，这点还是很重要的。还有就是一定要先跟面试官确认你的思路，不要上来闷头写，写题的时候最好有互动。

最后祝大家校招完美收官，都能拿到自己想要的offer，一起加油！欢迎大家来交流～

------end------

来都来了，喜欢的话就请分享、点赞、在看三连再走吧~~~