面经_有一个100层的楼,在某一层存在一个小球

经过了春招的洗礼，记录下春招的面经，春招期间所有的面试都是线上面试：

1、小米一面(45min)(搜索与推荐算法工程师)

1、自我介绍

2、手撕代码：二叉树的层序遍历

3、手撕代码：最小编辑距离

4、说说LR

5、LR和线性回归的区别

6、在实际项目中怎么解决过拟合的

7、LR的损失函数是否为凸函数？加上L1正则后是否还为凸函数？

8、介绍embedding及两种优化算法

9、介绍xgboost

10、常用的激活函数有哪些？ReLU相比于sigmoid和tanh有什么优势？

11、python中的浅拷贝和深拷贝的区别

12、有什么问题要问

2、爱奇艺一面(35min)(推荐算法工程师)

1、说说attention机制？项目1中为什么用DIN？了解DIEN吗？

2、Adam优化算法学习率是怎么自适应的？其和Adagrad有什么区别？

3、GBDT和xgboost的区别？为什么对xgboost的损失函数二阶泰勒展开？

4、GBDT和SVM有什么区别？GBDT和FM有什么区别？

5、GBDT是分类树还是回归树？

6、AUC是什么？为什么评估指标用AUC？

7、ROC代表什么意义？有没有实现过ROC？

8、做推荐时，怎么对ID类特征进行处理的？LabelEncode后学习器怎么识别ID间的关系？

9、什么是牛顿法？拟牛顿法对其进行了怎样的优化？

10、手写二分查找

11、时间复杂度的计算？二分查找的复杂度为什么是log(n)

12、有什么问题要问

3、智联招聘一面(45min)(推荐算法工程师)

1、自我介绍

2、介绍一个最熟悉的项目

3、lightgbm和xgboost 的区别

4、lightgbm是怎么防止过拟合的？

5、lightgbm是怎么处理连续特征和离散特征的？

6、信息增益和信息增益比的区别

7、LR中L1正则和L2正则的区别

8、手推LR

9、手写快排

10、有什么问题要问

4、智联招聘二面(30min)

1、自我介绍

2、说说堆排序，复杂度是多少

3、说说归并排序？直到多路归并吗？

4、说一个最擅长的机器学习算法?LR是怎么防止过拟合的？

5、为什么添加了正则项就可以防止过拟合

6、什么是过拟合？

7、说说GBDT和RF的区别？哪个更容易过拟合？为什么？

8、怎么做数据离散化的？

9、对深度学习有什么了解？

10、对优化算法有什么了解？说说SGD和Adam的区别

11、为什么深度学习中使用ReLU作为激活函数

12、Java、C++了解吗

13、操作系统了解吗

14、怎么把递归改为非递归

15、平时怎么做特征处理的？怎么填充缺失值

16、说说交叉验证？

17、手撕代码：求根号n，不能调用sqrt()函数，只能用for循环和加减乘除

18、有什么问题要问

5、美菜网一面(1h)(算法工程师)

一面的面试官不是做算法的，所以基本没有问算法的问题，中间闲聊了很多，问的都是一些计算机基础知识

1、自我介绍，简单了解了下我的专业

2、说说链表？如何获取链表中的元素数

3、栈和队列有什么区别？栈有哪些应用？

4、说说递归？递归时出现栈溢出怎么解决？

5、计算机中的内存和硬盘有什么区别？

6、说说网络编程以及套接字？

7、TCP/IP协议的区别

8、手撕代码：硬币兑换问题：有3种硬币，面值分别为2元，5元和7元，每种硬币的数量都足够多；买一本书需要27元，如何用最少的硬币组合正好付清，不需要对方找钱。

9、有什么问题要问

6、360一面(35min)(推荐算法工程师)

1、自我介绍

2、选一个最熟悉的项目进行介绍

3、思考题：有一个100层的楼，在某一层存在一个小球，可以向面试官询问：球是否在n层(例如球是否在50层)，面试官会根据询问告知三种情况：是、在n层以上、在n层以下。如果面试官回答在n层以下，那么你就浪费了一次机会；如果面试官回答在n层以上，不浪费机会可以继续询问；如果面试官回答是，那么就找到了小球所在楼层，结束。问如果用最少的询问次数确定小球所在的楼层。（类似于高楼扔鸡蛋问题）

4、python中的深拷贝和浅拷贝

5、python中的随机数random中对质数取余

6、Linux中常见的shell命令

7、给定无序数组，找出第k大的数(说思路)

8、有什么问题要问

7、百度一面(50min)(机器学习/数据挖掘算法工程师)

百度的一面面试官是做推荐的，项目问的很细。

1、自我介绍

2、说说attention机制？了解的attention机制有哪些？

3、介绍下召回模型？协同过滤有哪几种？使用场景分别是什么？

4、推荐中常用的评估指标？

5、最近读过的关于推荐算法的论文是什么？

6、Wide&Deep和Deep FM的区别？

7、说说embedding？在负采样中负样本集是怎么获取的？如何处理高频词？

8、说说优化算法Adam？

9、xgboost和GBDT的区别？xgboost怎么处理缺失值？

10、项目二中用到了哪些统计特征？

11、手撕代码：链表的倒数第k个节点

12、有什么问题要问

8、快手一面(40min)(用户体验算法工程师)

之前在快手官网投递简历的时候还没有推荐算法的岗位，根据JD描述，最终选择了用户体验算法工程师

1、自我介绍

2、手撕代码：求数组中出现次数大于一半的元素，若不存在返回-1

3、xgboost和GBDT区别

4、在机器学习中很多时候使用AUC作为评估指标，AUC越高说明模型的性能越好，那么为什么我们不直接去优化AUC

5、说说LR？

6、说说SVM？SVM和LR有什么区别和联系

7、了解的深度模型有哪些？简要介绍

8、有什么问题要问

9、快手二面(40min)

一面面试完之后面试官让我不要退出面试房间，等待了大概10min开始二面，问题挺多，但是忘记了

1、自我介绍

2、偏差和方差的权衡

3、GBDT和RF的区别

4、手撕代码：输入数字，输出excel的列名。即1->A，2->B,...,26->Z,27->AA......

5、什么是交叉验证

6、介绍一个最熟悉的项目

7、有什么问题要问

10、快手三面(30min)

1、自我介绍

2、求：数组中前k大的元素。我说了使用堆排序，时间复杂度为O(nlogk).让我算法复杂度降低10倍，并不能使用其它的计算机资源。

3、无向加权图的最短路径长度

4、说说对动态规划的了解

5、平时如何进行特征选择的

6、有什么问题要问

最后面试官让我转数据科学，我没同意，最后就不了了之了。

11、万集科技(30min)(算法工程师)

1、自我介绍

2、情景题：对于一个QQ用户，说出三个描述该用户的特征

回答了：用户画像特征(年龄、性别等)；行为特征(用户的历史行为，包括点赞、评论、浏览等行为)；实时特征(位置的实时更新)

3、情景题：假如获得了山东高速某一天的所有数据信息，说出一些描述货车的特征？这些特征能用来做什么？

4、平时是怎么做数据清洗的

5、对特征工程有什么理解

6、有什么问题要问

12、映客直播一面(40min)(推荐算法工程师)

一面问的基础知识挺多的，但是很多问题忘记了

1、自我介绍

2、说说AUC

3、决策树和LR的区别

4、聊项目。其中一个项目中用到了DIN，让我介绍DIN，以及为什么使用DIN

5、xgboost和lightgbm的区别

6、了解的优化算法有哪些

7、平时如何对优化模型

8、xgboost处理缺失值的机制

9、了解分布式系统吗

10、说说FM和LR的区别

11、说说Wide&Deep，原理是什么？

12、手撕代码：归并排序

13、有什么问题要问

13、映客直播二面(40min)

1、自我介绍

2、问项目，问的特别特别细，基本没怎么聊AI的基础知识

3、有什么问题要问

除了以上公司外，还面试了招商银行、中国人寿研发中心、平安金服，面试时间非常短，且不太常规，所以面试问的问题没有写出。放弃了交通银行和携程的面试。