1.簡單介紹

面試崗位：機器學習 | 資料探勘 | 演算法工程師 | 基礎研究

比賽經歷：天池比賽Top 10，滴滴演算法大賽Top 5，京東演算法大賽Top 1

科研經歷：實驗室主要方向：計算機視覺+生物資訊。在研一上課的時候，實驗室有師兄在做計算廣告ctr預估、異構平臺搭建，自己也算是耳融目染，學習了一些吧。

個人背景：本科普通院校資訊管理與資訊系統（計算機與管理的交叉學科），考研到哈工大，到找工作的時候剛好一年（工大本部2年畢業），這裡其實可以看出我比較菜（微笑臉）。

語言背景：C++、python、SQL黨

下面的面經是按照時間順序來的

2.華為優招

7月份回家一趟，沒有投遞華為優招，後來在師兄和室友的幫忙下，得到了面試機會。

一面：C++裡面static的作用，判斷一個數字是否為迴文數（此處需注意，面試官一直問我有沒有更優的方法，我當時已經說出了2-3個方法，囧），自己選擇一個專案進行介紹。

二面：介紹專案，意向城市，期望薪資，聊天。。。

線上筆試：三道程式設計題，總分600，get 525。

測評：只要注意不要選完全不加班就好。

3.360

華為面試回來之後，接到了360面試通知（提前批）。

部門： 核心安全事業部

崗位：機器學習/資料探勘/自然語言處理工程師

一面：介紹了滴滴演算法大賽，面試官比較關注特徵工程。詳細問了特徵如何設計、為什麼這麼設計、那些特徵會比較重要。商品推薦中如何進行個性化推薦，特徵你會想到那些，為什麼這麼做

二面：避免過擬合策略、如何提高模型泛化能力、L1與L2正則區別，優缺點、生成式，判別式模型、深度學習這塊瞭解多少、說說xgboost、gbdt區別、Tree-based Model如何處理連續型特徵。

HR面：畢業之後比較注重什麼、期望薪資、比較注重過程還是結果、對360的瞭解

能力測評：一個小時，題比較難，但是要好好做。認識的幾個小夥伴都到了HR面，但是沒有收到offer，不知道是不是能力測評的緣故。

4.搜狗

在等待360出結果的時候，接到了搜狗網頁搜尋一個技術面試官的電話，說我6月份提前批面試過了，後續會有HR聯絡我（當時，筆者真是一臉懵逼，現在都9月份了，6月份的面試，現在才告訴我結果，後面那個技術官告訴我，當時是忘了）。

6月份提前批面試：當時搜狗來學校招實習，對比較優秀的同學會直接給offer（主要針對工大自然語言處理、機器翻譯這兩個實驗室，顯然我不是）,所以我就抱著試試看的心態去了。由於時間太長，具體面試內容有點忘了，我現在印象比較深刻的就是當時討論了一個評價指標（多目標優化）和建模（如何選擇訓練集、測試集）的問題。

HR面：手上有哪些offer、期望薪資、對搜狗感覺怎樣、對於技術面試感覺如何，最後聊了聊人生。那個HR姐姐真的很贊，當場算是對我比較認可吧，直接告訴了定級、薪資。贊贊贊（直到現在依然很感激那個HR姐姐）

後面又有戲劇性的故事發生了，正如前面所說，我並不知道我提前批面試過了，在搜狗官網投遞了簡歷，雖然沒做筆試，面試官居然要面我，我也鬼使神差的去了。。。

一面：聊天，因為我有搜狗offer，這個部門直接一面過

二面：部門總監面。先聊專案，從資料預處理到特徵工程、到模型（模型創新，以及為什麼用這個模型），再到ensemble。然後大資料方面的程式碼考察，主要特徵資料量大，如何做到速度與記憶體上的優化。（trick：這個時候你可以問下面試官，是要線上做，還是離線做，當然自己要有把握再問）然後有一個比較有意思的題目，對大小在1-10000的1億個數進行排序，你會怎麼做？（友情提示，不要用基於比較的排序演算法哦）。整體聊的比較high，接近2個小時。

HR面：幾個方面吧：團隊意識、對一些公司裡面常見問題的處理、對於業內其他一些公司的看法、個人性格、愛好

5.搜狐

搜狐今年來工大的貌似只有搜狐北研，印象特別深刻，因為當天剛好開題，開完題改完報告交了之後，跟實驗室同學一起去做了筆試（現場筆試）。搜狐筆試技術崗是一套試卷。

筆試：一些概率題、計算機網路題、三道演算法題
（1）第一道題有點想不起來了，大概有個有序的資料，時間複雜度要O（n），主要有序的數組裡面可能有重複的資料，注意邊界就行了
（2）給定一顆二叉樹，節點的值表示money，一個強盜想要偷錢，但有一個規則，如果一個節點被偷了，那麼與他相鄰的節點則會報警（即不能偷），最終返回這個強盜最多能夠盜取的money。
（3）給定兩個黑白影象，即0-1矩陣。四個操作（水平翻轉、豎直翻轉、90度旋轉、黑白翻轉），問這個影象能否通過有限步驟操作，最後變成一樣的。

一面：C++裡面const有什麼作用，在函式名、引數名不同位置有什麼作用、C++ 記憶體分配、指標與引用、函式傳參如何更快、大致寫下C++ vector程式碼、聊了下筆試中一道概率題（甲乙兩個人輪流（甲、乙、甲、乙這樣，一旦有人中獎就停止）去抽獎，最後問甲中獎的概率）、最後聊了下專案。

二面（略帶HR面的風格）：二面剛開始，面試官說昨天是他看得我的筆試題，對於我第二題的解決方案有點不理解。於是我說了下，最後發現自己做錯了。最後在面試官的提醒下，說出瞭解題思路。然後問了問自己比賽的經歷，未來想從事什麼樣的工作，如何進行自學。

6.一點資訊

可能有些同學對這個公司不是很瞭解，大概只知道今日頭條，其實一點資訊做得東西跟頭條差不多，聽說給的工資比較高，我就去了（哈哈哈）

現場筆試：資料結構、計算機網路、作業系統、2道演算法題
（1）給出一個數組，返回陣列中滿足類似a > b < c ＞ｄ這種情況的連續子陣列的最大長度。時間複雜度當然是Ｏ（ｎ），比較有意思的題目。
（２）同樣是一個數組，去掉其中一個數，得到與這個數相鄰中比較小的那個數的值（如果是最左側或者最右側則返回０）。不斷重複上面的操作，直到陣列為空，返回累加的最大值。

一面：聊專案，滴滴演算法大賽。主要兩塊，模型演算法創新、DNN裡面各種引數，啟用函式的選擇及理由。這兩塊自己言之有理即可。也有人一面寫程式碼的，我並沒有遇到哎，不只是簡歷還是筆試的緣故

二面：另外一個專案，做資金流入流出預測的，大約一年之前做的。先說下當時自己是怎麼做的，如果現在讓你做，你會怎麼做。然後比賽的話，往往資料是給定的，如果讓你自己可以收集資料，你會想到哪些資料，為什麼，從而提高準確率；因為一點資訊做推薦也會比較多，然後問了一個他們實際業務中的問題，對於使用者在一點資訊APP上輸入關鍵字，公司和使用者會關注哪些指標，針對這些指標你會如何優化。主要從定義損失函式，概率分佈這些方面聊聊吧。

HR面：手裡的offer、期望薪資、比較care那些東西，畢業之後、對於大公司，創業公司如何看待。

7.阿里

關於阿里，真是一個讓人傷心的故事，很早之前是比較想去阿里的，並且一直在參加阿里的比賽，比較拿到的Top 10終面的機會也被取消了。

實習、校招部門：螞蟻金服人工智慧部、阿里媽媽，比較核心，難度也比較大。

阿里最後結果是掛了，這裡寫點教訓吧，哎

螞蟻金服技術終面不出意外的話：會讓做題，題目一定要仔細聽清楚，coding是一方面，演算法優化和使用mapreduce、spark做處理是加分項

阿里媽媽：團隊人不多，主要做ctr預估。對於比賽經歷貌似不太看重，比較care工程、科研經歷。面試官也會查考的比較有深度，從對機器學習、統計學習的理解、普通線性迴歸到廣義線性迴歸的本質、深度學習的本質、AUC、KMeans的演算法虛擬碼、最後寫了下歸併排序。給出的建議就是面試阿里媽媽的話，提前對計算廣告這塊做些準備，然後面試的時候，儘量用數學語言、虛擬碼的方式進行清晰地闡述，當然這也跟面試官有關。

8.騰訊

面試騰訊的路是比較坎坷的，內推找同學推的CDG（做廣告的），從簡歷評級（A+），到簡歷鎖定，到鎖定面試官都是比較順利的，不知道什麼緣故，那個面試官一直沒有面我，導致我內推就這樣不明不白的掛了。後來大致瞭解的是因為HC沒了，校招的時候，騰訊的BG是不可調整的，所以基本希望不大了，最後是TEG面試的我。

筆試：數學題為主、三道簡答題，比較開放。

一面：聊一聊專案，面試官不care特徵工程，我就講了講模型演算法。然後要求手寫純C字串拼接，當時筆者想到了三個細節（1：const char* str 2: 空串判斷 3：返回新串還是原有串），寫完程式碼之後面試就結束了。在出門的那一剎那，我想起了程式碼中一個問題，空間申請啊，內心是崩潰的。。。

二面：一直在做題
（1）數學題：類似一點資訊那個抽獎題目，做好之後一直問我為什麼這麼做，囧
（2）資料結構演算法題：給定一顆二叉樹，如何把它儲存到文字中，然後再從這個文字中恢復
（3）資料結構演算法題：S型遍歷二叉樹，如何優化，最後說了個空間優化的方法
（4）大資料問題：大於計算機記憶體的儲存IP的檔案，統計出現次數最多的幾個。這裡面要對b、B、儲存有點理解，一般優化都會想到0-1bit，這個時候要注意，要會寫程式碼，而不只是說（其實就是位操作）。
（5）LR、NN簡單聊了聊

三面（HR面）：對技術面試官的感覺，對於產品經理的錯誤決定你會怎麼做，平時如何解壓，對自己前面面試打分、手上有哪些offer

最後說下結果吧，自己報的是北京地區，今年（2017）校招的時候，TEG已經沒有太多的名額了，加之TEG比較偏基礎演算法吧，這一塊自己相對薄弱。據我瞭解，最終TEG在哈爾濱基礎研究崗招了一個人，當然那個人不是我。

建議：能內推就內推，如果可以接受去深圳，對於騰訊，就去深圳吧，崗位相對會多一點。

9.百度

內推由於之前實習被推過、還有在官網上投遞過簡歷，沒有收到面試通知

校招崗位：商務搜尋部 機器學習 | 資料探勘崗位

筆試：選擇題+簡答題+程式設計題（主要考察動態規劃）

一面：聊專案，聊的比較多的是如何知道一個特徵的重要性，如何做ensemble哪些方法比較好。聊了聊計算廣告方面FM，embedding。最後手寫S型遍歷二叉樹

二面：主要考察兩個方面
（1）機器學習：LR推導、LR與最大熵本質關聯、LR最終迭代數值的本質，目前DNN為什麼會有效、簡單說了下mapreduce、spark、mpi、parametersever
（2）coding：陣列滑動視窗得到最大的視窗，O（n）複雜度、擴充套件：這個滑動視窗中必須有m個不同才可以，目標不變，如果改，並分析時間複雜度；二叉樹路徑和等於某個值的所有路徑輸出。

三面：百度的三面是部門經理，看上去比較年輕。上來對著我的部落格問，你寫的東西自己現在還記得嗎（當時好方）？問了下Xgboost的原理吧。然後就是滴滴演算法大賽。最後聊了下自己目前做的課題。

10.總結

一家之言

面試機器學習、演算法崗需要注意以下幾個方面吧：

（1）coding：從基本的資料結構、到分治，動態規劃這些演算法思想需要很熟悉；進階：實現過機器學習演算法；更進一步：能夠利用mapreduce | spark | mpi | ps 開發分散式機器學習演算法。（github你值得擁有）

（2）機器學習理論：這一塊不僅限於常規的機器學習演算法、深度學習演算法，如果能對自然語言處理、影象、推薦、廣告等特定領域方面的演算法有所瞭解，必然是加分項。

（3）數學基礎：求導、矩陣、最優化方面的一些知識

（4）不錯的大資料比賽或者科研經歷

小建議：

（1）簡歷排版、描述很重要，要做到凡是簡歷上有的自己必須會，且能做到深入淺出。有亮點的地方可以通過數字的形式進行描述。

（2）面試的時候講解演算法要注意邏輯清晰、突出重點，難點、如何解決。

（3）面試環節中溝通也很重要，遇到自己沒有碰到的問題，可以先冷靜思考下，實在解決不了，也要說出自己思考的過程，如果可以的話，在面試官的提醒下，解決問題。然後，技術面試到了HR面也要注意，就我瞭解的是，不少公司的HR在最終是否給offer也是有比較大的話語權的。

（4）最後一點，對於想爭取sp的同學，注意每一面都很重要，每一面都要讓你自己表現到最好。

11.薪資

由於許多公司HR跟我說了薪資要保密，本著契約精神，這裡給出一個薪資排序，供大家參考（注意裡面大多是sp,且一點資訊異常高）。

大概一切皆有可能吧，在今年即將畢業的幾個月裡，經過五輪的面試，拿到了阿里媽媽的offer（杭州），最後也是選擇了阿里。

主要面試有以下幾個點，記錄以下，給看到這篇文章的同學一些建議

（1）滴滴演算法大賽Top 5
（2）京東JData演算法大賽Top 1
（3）實驗室基金專案—轉錄調控網路構建演算法研究
（4）深度學習在推薦系統方面的paper，實踐等
（5）一個開放性的題目，從實際業務中抽象出來，探索一些現象背後的原因以及如何改進