【面试招聘】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～

往期精彩回顾




适合初学者入门人工智能的路线及资料下载机器学习及深度学习笔记等资料打印机器学习在线手册深度学习笔记专辑《统计学习方法》的代码复现专辑
AI基础下载机器学习的数学基础专辑获取一折本站知识星球优惠券，复制链接直接打开：https://t.zsxq.com/662nyZF本站qq群704220115。加入微信群请扫码进群（如果是博士或者准备读博士请说明）：