從今年3月份暑期實習到秋招一直投的演算法崗（資料探勘、機器學習），今年聽說投演算法的人特別多，競爭激烈，自己之前本來想去金融，後來覺得還是喜歡網際網路，從去年11月才開始好好看書，又不是CS科班出身，所以面試毫無優勢可言。基本上把大半個網際網路公司都面了一遍，雖然掛的太多，但面試官水平都很高，面試中也學到了很多東西，認識到很多地方不足，要學的東西太多。

有的時間太久，細節想不起來了，想起來再慢慢更新，把不知道的知識點補上，寫的亂湊合著看

攜程（實習）：

1.    講專案

2.    寫一下LR損失函式

3.    SQL題，很簡單，但當時沒想出來…

4.    GBDT、xgboost用過嗎，解釋一下

5.    距離公式有哪些（餘弦距離等）

6.    特徵怎麼選擇

7.    隨機森林

8.    優化BFGS瞭解嗎

滴滴（實習+校招）：

過完年回來，參加映像最深刻的實習面試，全程3小時，其實問的很基礎，但是自己沒有好好準備，很多基礎掌握不牢。

1.     講專案

2.     SQL：leftjoin、inner join區別，寫了一道題

3.     SVM是什麼、核函式有哪些、怎麼選擇

4.     LR損失函式推導一下

5.     隨機森林、Adboost

6.     AUC、ROC、recall、precision寫公式，AUC的直觀解釋

7.     CNN的卷積公式

8.     損失函式不可導，梯度下降法怎麼辦？（次梯度？）

9.     Python中list和tuple的區別

10.   正負樣本不平衡怎麼辦

11.   決策樹怎麼剪枝

12.   問了些資料結構

校招（沒面完）：

1.     寫個快排、改進、find（s,p），寫了4道程式碼題

2.     200G日誌用筆記本找Top100的query

3.     解釋一下xgboost

4.     講專案，用到了哪些特徵

阿里（實習+校招）

內推的螞蟻的風控部門

一面：

1.    7月底就打了電話，主要是講專案，然後針對專案提了很多問題，面試官水平很高

2.    資料樣本構造、樣本選取

3.    講了word2vec以及怎麼應用

4.    看過什麼前沿的論文

5.    垃圾評論檢測

二面（掛）：

1.    聊專案

2.    文字相似度計算為什麼不用SVD…

3.    瞭解哪些優化演算法

騰訊（實習+校招）

實習做了筆試，邀請到酒店面試，是一個小哥，很和藹

1.    自我介紹，講了一個專案

2.    Xgboost、隨機森林的區別，xgboost怎麼並行

3.    L1、L2正則化的區別，為什麼L1得到稀疏解

4.    解釋一下SGD、drop_out、神經網路的BN層

5.    程式碼題：最長子序列的乘積

（第二天查了狀態是複試中，但到最後也沒收到複試通知，最後一天查狀態掛了…）

秋招內推，騰訊遊戲的部門

一面（視訊面，全程寫程式碼）

1.    寫LR公式

2.    DNN前向傳播、反向傳播，求梯度

3.    實現一下shuffle函式

4.    瞭解強化學習、增強對抗學習嗎（不瞭解）

二面（掛）：

1.    講專案

2.    K-means、隨機森林、DNN怎麼調參

3.    怎麼防止過擬合

4.    C++記憶體怎麼分配（說不知道，直接跪）

5.    寫C字串拷貝函式strcpy

6.    寫判斷是否二叉排序樹

美團（校招）

1.     推薦演算法：SVD、協同過濾等，怎麼做推薦的

2.     解釋一下CNN、RNN

3.     資料怎麼處理、特種工程

4.     特徵選擇怎麼做、決策樹怎麼分裂的

5.     推薦系統好壞評價

6.     解釋一下AB測試

7.     提高外賣配送效率，需要考慮哪些因素

8.     樣本怎麼構造、資料量有多大

9.     餘弦距離和歐氏距離區別

10.   評論反作弊（被問了不下於3次）

京東（實習+校招）

校招投的上海這邊演算法組，面了兩面說對我很滿意，要給部門老大看，但不一定有offer，因為老大手上簡歷太多…

1.    講專案，特別是衡量指標

2.    怎麼做推薦的

3.    決策時、GBDT、Xgboost講一下區別

4.    Sql題：怎麼用join實現分組排序和分組累加和

5.    問了專案的word2vec和doc2vec演算法、問了推薦怎麼做的

6.    LSTM和RNN區別

百度（校招）

先是內推，面完3面後很久沒收到訊息，就知道掛了

一面：

1.    xgboost與GBDT比較

2.    Python中numpy為什麼快，說用的C實現，然後問C++中STL底層，完全不會

3.    Python中能表示的最大數

4.    怎麼做推薦、文字處理方法

5.    寫程式碼：求兩個字串的最小編輯距離

二面：

1.     CNN怎麼做文字分類

2.     怎樣快速計算x的根號3次方，有記憶體限制，不能調庫函式（這個問題糾結了很久）

三面：

經理面，從技術到人生都問了很多

1.     寫個程式碼，求兩個有序陣列的交集，O(n)，沒想出來，只想出了一個二分查詢

2.     協同過濾

3.     開放題，輸入一個劉，彈出劉德華之類的，怎麼做

校招霸面:

二面是百度鳳巢的，感覺水平很高，答的不好，掛了

1.     資訊熵、資訊增益、相對熵、交叉熵、互資訊、基尼係數

2.     常用的有哪些損失函式，推導一下log loss的梯度

3.     寫個程式碼：快速排序，平均時間複雜度、最壞情況

4.     怎樣確定取樣的樣本數量

5.     特徵工程怎麼做

6.     特徵值、特徵向量解釋一下

7.     解釋一下決策樹、隨機森林

8.     推薦系統考慮的因素特徵

9.     路徑優化考慮哪些因素

10.   寫個程式碼：字串去重函式

愛奇藝（校招）

1.    寫個二叉樹反轉

2.    資訊熵公式

3.    CNN卷積的物理含義、pooling的作用

4.    畫一下word2vec中的skip-gram模式圖

5.    概率題：54張抽出2張同花色的概率，大小王任意一種花色都不算

還面了華為、唯品會之類的，基本都是聊專案，所以沒什麼好寫的，後面想起了再更新