【面经一】2019年互联网寒冬下的算法工程师求职心路历程

1.求职背景

在2019年如此恶劣的经济环境下，此次找工作也是无奈之举，当然并不是公司倒闭或者被裁，而是因为在2018年脑子发热，被财富自由等思维麻痹后盲目创业，经历了快2年之后幡然醒悟，也就到了2019年底，正好碰上了互联网寒冬，近10年来经济最差的9012年。

由于2年半的工作经历加上今年工作经历不满1年，投出去的简历大部分没有收到回应，不知道是不是约定好，阿里系公司都拒绝了我的简历，拜托同学内推了阿里4次，被拒了3次，唯一1次还是杭州的，真是无奈了，注定与阿里无缘了。不过辛亏有985学校的背书，在寒冬里还是收到了一些公司送来的温暖，所以大家在学校阶段还是要好好读书~~~

从有跳槽想法到面试结束一共经历了2个月，1个月准备，1个月面试，没办法数据结构太差，互联网大厂都挂了=_=，最终决定去平安证券做金融IT~~也算是度过了人生这段最艰难的时刻，记录一下提醒自己时刻反思自己，也希望能够给大家带来1点点参考。

2.面试情况

目前为止一共面了8家（本来还有美团，可惜离家太远就放弃了），具体情况如下表所示，50%的面试成功率，面试拿offer的转化率还可以，但是投递转化率就惨不忍睹了=_=，下表写了我分别在这8家公司面试的体验，面试过程中的具体技术问题请看"4.面试问题"。

 

公司	应聘岗位	状态	相关描述
拼多多	智能客服	1面挂	a.算法问题问得很专业 b.数据结构题中等难度（回溯法） c.面的较早准备不充分，好多问题没答上来，数据结构题也没写对
字节跳动	高级用户数据挖掘工程师	2面挂	a.让朋友内推了两次，也挡不住数据结构的坑，2次都是挂在数据结构 b.机器学习算法难度一般，网上常见问题掌握基本能够应付 c.视频面试，题目需要AC，所以数据结构题一定要练的很熟
平安证券	智慧投顾	offer	a.面试体验好，技术负责人比较认可我，一直积极帮我解决面试中的问题 b.薪资谈判态度也比较open，这是我最终选择他们的重要原因之一 c.面试流程长，第1个面试的公司，也是最后1家结束面试的公司 d.955，不加班，这是我最终选择他们的重要原因之二
触宝	推荐算法	offer	a.面试体验好，薪资谈判态度open，给的也比较大方 b.目前业务处于快速转型期，泛娱乐是主要业务 c.有盈利能力，也算是互联网中比较不错的中小型公司
叮咚买菜	推荐算法	offer	a.业务处理快速增长期，目前为数不多还在受投资人青睐的赛道 b.推荐业务还处于初始阶段，有比较大的发展空间 c.技术负责人是百度滴滴出身 d.工资低，而且薪资谈判态度差，没有谈判空间，估计公司没钱
天壤智能	知识图谱	offer	a.面经体验很好，技术人员实力过硬，除pdd，by外问的最专业 b.HR小姐姐不逼签，可惜工资比较低 c.主要业务是智慧交通，技术涉及到机器视觉、大型知识图谱
蜗牛金融	全栈工程师	2面挂	a.一家初创的小公司，CTO有Facebook背景，在同济大学当过教授 b.1轮笔试，2轮面试，算法题一共做了6道，不过都比较基础，简单难度
星环科技	机器学习算法工程师	2面挂	a.大数据平台出身，目前在做AI平台 b.面试体验差，2轮面试结束莫名挂掉，HR也没有通知

3.面试感受

今年也算经历了真正意义上的社招，上次面试还是校招=_=，简单将2个月的面试感受总结一下：

• 年底确实不是一个好的跳槽时间点
• 想去大厂，数据结构一定要扎实
• 除了码代码之外，多交朋友，多来往（内推一定会加大面试成功率，出门在外靠朋友）
• 面试一定要好好准备，提高自己的面试评价，只有评价高才能谈价格

码生艰难，希望大家都能拿到满意的offer。

4.面试问题

• 触宝

  • 状态
    • 已拿到offer
  • 一面
    • 介绍推荐系统项目
    • 最大的技术难点是什么，如何解决
    • 数据结构题
      • 从海里数据中快速匹配字符串前缀
      • 不记得了（一共有两题算法题）
  • 二面
    • 如何进行软件组的任务分配
    • 如何设计个性化小说推荐系统，应该考虑哪些因素
    • 小说用户的用户画像会是什么样的
    • TextCNN和BILSTM的区别，为什么要用
    • 小说推荐和其他推荐系统的区别在哪里
    • 数据结构题
      • 应该有一题，忘了具体是什么题目了
  • 三面（VP面）
    • 印象最深的项目是什么，介绍一下
    • 最大的困难是什么
    • 你最大的优点和最大的缺点是什么
    • 换工作的原因
  • HR面
    • 换工作的原因
    • 谈薪水

• 拼多多

  • 状态
    • 一面挂
  • 面试
    • Word2Vec原理
    • TextCNN网络构造
    • Dropout的作用
    • 深度学习里有哪几种拟制过拟合的方法
    • Dropout丢掉固定的参数还是每轮迭代丢掉随机的参数
    • 如何进行专业医疗词汇的分词
    • 介绍下常用的激活函数以及优缺点
      • relu
      • sigmod
      • tanh
      • leak-relu
    • 数据结构题
      • 2[d] --> dd
      • p2[d]a --> pdda
      • 3[p2[d]]a --> pddpddpdda

• 字节跳动

  • 状态
    • 推荐系统专家
      • 一面已挂
    • （高级）用户数据挖掘工程师
      • 二面已挂
  • 面试
    • 推荐系统专家
      • 单调最小栈

        

      • 推荐系统算法发展史
    • （高级）用户数据挖掘工程师
      • 方差和偏差的区别
      • 3种集成学习的异同，分别是为了解决什么问题
      • L1和L2的区别，分别有什么作用
      • 有没有遇到过拟合的情况，如何解决
      • 过拟合与偏差方差的关系
      • 如何解决数据不平衡
      • Word2Vec的原理
      • HiveSQL会不会写
      • 数据结构题
        • 统计多元数组中可以组成三角形的三元数组个数

          

        • 无重复的最长子串

          

• 星环科技

  • 状态
    • 电话面试
    • 二面挂
  • 面试
    • 电话面试
      • 如何确定时间序列中第1个波动最大的点（即第1个异常点）
      • ARIMA时间序列算法的应用场景
      • DNN如何应用到时间序列问题场景中
      • 数据结构题
        • 大小为m*k和k*n的两个矩阵相乘需要多少乘法运算
        • K个矩阵相乘，矩阵之间两两满足相乘条件，请问共有多少种运算次序
        • 上一题深化：哪种运算次序的乘法运算次数最少
    • 二面
      • 手写决策树的代码
      • 数据结构体
        • 二分查找

• 叮咚买菜

  • 状态
    • 已拿到offer
  • 一面
    • 逻辑回归算法推导
    • 场景设计题
      • 预测500个前置仓的缺货量，数据包括前置仓地点信息、历史售卖量和商品信息
    • 数据结构题
      • 动态规划
  • 二面
    • 系统设计题
      • 设计1个类似百度搜索栏的快速匹配系统，要求速度快，线性复杂度
  • HR面
    • 对新零售的认知
    • 换工作的原因
    • 谈薪水

• 天壤智能

  • 状态
    • 已拿到offer
  • 一面
    • 是否了解深度学习中mask用法
    • DNN为什么产生梯度爆炸
    • BP算法公式推导
    • 存储DNN中的哪些参数可以加速运算
    • 数据结构题
      • 快速排序
      • 智力题（排列组合、容斥定理）：
  • 二面
    • 数据结构题
      • 判断是否是搜索二叉树
  • 三面
    • 如何解决学习率爆炸的问题
    • LSTM和RNN的区别是什么，是为了解决什么问题而设计
  • HRD面
    • 如何看待AI落地工业界的前景
    • 换工作的原因
  • HR面
    • 谈薪水

• 平安证券

  • 状态：
    • 已拿offer
  • 一面（3个人）
    • 如何做数据降维
    • 如何做特征提取
    • 如何就医疗场景提供C端用户可用的产品
    • 如何实现多轮对话
    • 如何进行生产环境软件部署
    • 怎么将算法模型工程化
    • 智能问答机器人的工程化流程
    • 服务机器人里的算法如何落地
    • 升级对比是怎么做的
    • 异常检测是怎么做的
    • 智能运维客户端的处理流程
  • 二面（VP）
    • 离职原因
    • 创业原因
    • 如何评估项目成败
  • 三面（BU CEO）
    • 你在项目中创造的价值是什么，如何评价
    • 最大的优势和最大的劣势
    • 智慧投顾目前发展以及竞品情况
    • 如何看待智慧投顾的前景以及目前存在的问题
    • 互联网和金融行业，你更青睐哪一个
    • 未来职业规划
  • 四面（BU CIO）
    • 场景设计题
      • 设计1个实现客服受益最大化的组合理财推荐系统
    • 机器学习算法和DNN算法的适用场景
    • 为什么采用随机森林算法，与其他算法相比有什么优势
  • HR面
    • 离职原因
    • 谈薪水

• 蜗牛金融

  • 状态
    • 二面已挂
  • 在线笔试
    • 已完成
    • 题目
      • 1.统计字符串出现最多的次数
      • 2.统计字符串出现最多的字符，相同则输出字母表前面的字符
      • 3.将字符串按字符表和出现字符排序，字符以出现次数循环出现
  • 一面
    • 自我介绍
    • 离职原因
    • 为什么去创业
    • 如何做技术管理
    • 介绍一下智能问答的项目
    • 介绍一下LSTM和TextCNN的原理
    • Python的装饰器是如何实现的
    • SVM的算法原理
    • 编程题
      • 会议室参会人员姓名前缀显示
      • 二分查找
    • 如何实现浏览器前进和后退
    • 如何解决样本不均衡问题
    • 谈谈自己的职业规划
    • 最近在看的论文或开源项目
  • 二面
    • 介绍一个最满意的项目
    • 如何评价机器学习项目的成果
    • 异常点数据比例有多少，如何解决这个比例问题
    • 对公司和团队的问题
    • 邻近重复字符串匹配和邻近字符子串匹配
      • input = 'abcgefowddagggcwods'
      • output = [('d', 8), ('g', 11), ('g', 12)]
      • input = 'abcgefowddagecgecgcwods'
      • output = [('d', 8), ('gec', 11)]