算法面经大乱斗

作者 | Miss 

整理 | NewBeeNLP

个人情况

双非本科，985研究生，研究方向自然语言处理，比较渣，大概从19年6月份开始准备秋招，大部分压在了提前批，七月份疯狂投简历，投了大概有二十几家，收到面试的有五六家。其中作业帮收到意向offer；百度确定已有offer，国庆节左右谈薪资；京东已收到录用函，职位软开。

百度 算法岗（提前批，百度地图）

共三面，可以说三面都是技术，不过第三面夹杂了点职业规划。

一面（90min）

• 自我介绍+项目提问

• 机器学习算法都用过哪些

• 说一下决策树吧，节点划分有哪些方法，如何剪枝

• SVM了解吗？有什么优点？优化方法？

• Bagging和boosting

• 有什么想问的（问了部门方向之类的）

二面（100min）

• 自我介绍+项目提问+实习经历提问

• Batchnorm了解吗？

• 你知道哪些优化函数？

• 为什么xgboost效果不如随机森林？

• 选取了哪些特征？

• 机器学习的优化方法了解吗？

• 相似度计算除了神经网络的方法还有什么方法？针对文本和离散特征的情况呢？

• 我看你本科学硬件的，传感器了解吗？

• 手机上有哪些传感器？（可能是手机地图的部门）

• 情景题：如何检测藏头诗？机器学习可以吗？神经网络呢？为什么可以？如果不是诗句，普通的文本如何检测是否有人为的编码信息？有什么思路？（情景题是考验思路，一定要灵活，不对也没关系，找到问题的几个关键点，先弱化其中几个关键点，再提出思路，一步一步解决）

三面（60min）

• 项目提问（占据大部分时间）

• 如果产品向你提出了不合理的要求，你如何处理？

• 有没有很深刻的受打击的经历？

• 如何看待工作压力大的问题？

• 平常如何释放压力？

• 如果我给你offer，你有多大几率会来？

一周后收到offercall，总体面试体验极好，面试小姐姐说唯一遗憾的是电话面试，没能面到代码能力，不过觉得我比较match，给了offer，真的是面试体验最好的一次了。

寒武纪 算法岗

共一面，未过。之前拿到的免笔试直接面试资格，很晚了才通知面试，估计是走个过场。

• 浅copy和深copy的区别

• Python中的self关键字

• 类的继承

• 完全二叉树的概念

• 一个具有N节点的完全二叉树深度是多少（ [log2n]+1）

• 链表与线性表的区别（答错了，把线性表和顺序存储搞错了。。。）

• 介绍一下第二个类案推荐的项目

• 为什么使用transformer？

• 分层的结构会破坏文本的连贯性吗？

• 目前有多少数据？

作业帮 NLP算法岗

共三面。一周后收到录用意向书。

一面

• 项目提问

• 给出前序遍历和中序遍历，重建二叉树

• 旋转链表

二面

• 项目提问

• N3的木板，用13的块铺满，有多少种方案？（动态规划）

• 旋转数组找最大值

三面

• 感觉我们面试官怎么样？

• 说说你对作业帮的了解

• 你对薪资有什么期望？

• 机器学习和深度学习你希望从事哪方面的工作？

• 你希望的工作环境是什么？

• 能来实习吗？

科大讯飞 自然语言处理算法工程师

共两面。一面较简单，二面未过。

一面

• 自我介绍

• 你使用过的优化器有哪些，简单介绍一下

• 类案推荐项目结果怎么样，如何评测的？

• 一篇文书里面多个案件的情况是如何处理的？

• 长文本的问题是如何解决的？

二面

• 项目提问

• 你在项目中属于什么角色？

• 遇到不会的问题一般怎么解决？

• 师兄对你帮助大吗？

• 合肥和北京你想去哪里？

• 对薪资有什么要求？

追一科技

共一面，未过。

• 项目提问

• 知道graph神经网络吗？听了几次都没听清什么网络，说不了解，了解胶囊神经网络，实际上我了解图神经网络。。。。。。

• 看论文的频率是多少？

• 你应该多关注一下其他领域的东西，拓宽一下知识面，虚心接受

• 说自己也在做法律文书方面的东西，有共同语言

• 然后就开始说组里的人都很牛逼，大部分是博士，最次都是清北的。。。。。说了有接近20分钟。。。。。。原谅我这渣硕没资格

腾讯 技术研究-自然语言处理

共一面，未过。怼得体无完肤，太难了，太全面了，原谅我太菜。

• 了解XGboost吗？

• 随机森林和XGboost什么区别？

• 隐马尔科夫了解吗？

• 朴素贝叶斯与贝叶斯有什么区别？

• LR和SVM什么区别？

• LSTM里面有哪些门，为什么用这些门？

• LSTM里面为什么有些激活函数用sigmoid，有些用tanh？

• 对于多任务模型有哪些最新进展？

• 从理论角度讲解一下基于不确定性平衡多任务各个loss的原理以及合理性

• Bert了解吗？

• Bert里面位置向量的作用是什么？有哪些生成方式？

• XLnet了解吗？

• 为什么XLnet效果比bert效果好？

• Word2vector原理，优化方法？

• 聚类的算法有哪些？评价方法？优化算法？

• 情感词在情感计算中的如何计算情感？

• 情景题：有上亿的邮件，如何聚类？应该从哪些方面考虑？

• Kmeans与kNN什么区别？

• Kmeans的缺点？如何改善？

- END -

offer拿到手软