2021字节秋招算法岗面经——抖音推荐

（欢迎大家关注我的微信公众号“机器学习面试基地”，之后将在公众号上持续记录本人从非科班转到算法路上的学习心得、笔经面经、心得体会。未来的重点也会主要放在机器学习面试上！）

2021字节秋招算法岗面经

一面过(一个小时)

• 讲实习
• 实习的结果是如何评估的
• 为什么用AUC，而不用别的
• AB测试时，为什么是基于用户划分，而不是基于司机划分
• 最大池化的反向传播求导公式
• LSTM解决了什么问题
• 通用的提高模型泛化能力的方法(解决过拟合的方法)

二面20210922(一个小时)

• 自我介绍
• 先做道题吧：矩阵中的路径 https://leetcode-cn.com/problems/ju-zhen-zhong-de-lu-jing-lcof/
  • 然后有个待优化点是，输入的是一个字符串数组，相比于把一个个字符串拿去和矩阵匹配，有什么优化点吗？只说了利用字符串数组的相似性避免重复查找，然后就不知道了。最后就跳过了，他说也不重要
• 问实习(占据了大部分时间)
• 问实验室项目
• 问基础知识
  • batch normalization,实际如何使用的
  • 先问了神经网络初始化方法和激活函数的关系，然后改问神经网络初始化方法
  • L1和L2正则化
  • 偏差和方差了解吗？有哪些解决方案

三面20210926(一个小时半)

• 是leader面，问了下，是我内推人的老大
• 自我介绍（介绍的中途打断问了点专业之类的问题）
• 先做道题吧 https://leetcode-cn.com/problems/longest-increasing-path-in-a-matrix/
  • dfs写完之后，找边界bug找了好久，面试官还尝试帮我找来着。还好最后我自己找到了。耽搁了好久时间，导致面试时间较长，面试官最后还说了一句：‘今天面试时间长了点，因为前面代码题耽搁了会儿’，难顶
• 讲讲自注意力机制、包括公式
• 手推逻辑回归求导公式，纸上写好，拍照，上传到电脑然后屏幕共享，然后给他讲
  • 也很熟悉了
• 画LSTM结构图，同样拍照然后共享
  • 闭着眼睛都能画出来
• 了解哪些归一化方法
  • 我讲了减去最小，然后除以（最大减最小）的0-1归一化，还有减均值除以标准差的归一化
  • 然后接着说了BN\LN\GN
• 场景题：避免暴露，感兴趣的私聊

HR面20210927(二十多分钟)

• 三面完，第二天上午就约了中午的HR面，效率很高，点赞
• 小姐姐态度很好，体验很好
• 体验过相关字节产品吗
• 问了些实习的事
  • 实习公司团队规模
  • 有没有转正机会
  • 实习的体验
  • 和产品之类的对接体验，有没有过隔阂之类的
  • 之后还考虑别的公司吗
• 我的专业（非科班）有学过相关课程吗
• 喜欢做业务还是科研
• 前面面试官跟你介绍部门了吗
• 内推人就是组里的，跟你介绍过吗
• 留京还是别的城市
• 反问
  • 部门情况
  • 新人培训
  • 加班情况