腾讯/阿里/携程 详细算法实习 面经

作者 | MirzaZhao 

编辑 | NewBeeNLP

211菜硕，手里2篇水文。听说之前算法很卷，头铁一次试试。

阿里

一面

没打招呼突击电话面试（30min）

• 地点ok？时间ok？（base杭州，暑期，全部ok ok ok）简单自我介绍一下，项目经历选一个说说？

• 项目中对于没有标签的数据，怎么处理，还有什么别的方法？（我用的远程监督，别的还有one-shot zero-shot label embedding）

• 假设一个情景题，微博创立初期，短文本，10w数据集，无监督，分类怎么做（我答的用label embedding做或者用embedding+聚类kmeans）

• embedding怎么实现？（fasttext or word2vec，不能用BERT，数据量大不合适）补充：你说的是词向量，句子向量怎么做呢（+average pooling最常用，还有别的方法没列举）

• 除了你说的方法，还有别的方法可以吗？U-learning听说过吗？（没听清？啥learing？这个真不知道，只听说过Q-learning）

• kmeans的k怎么选择，这么做效果好吗？为什么？（k不知道，具体情况具体分析吧（编不出来了），效果不好）

• 那如果不用聚类，别的方法怎么做，提示：抽取关键字（关键字抽取可以用词与句子做相似度匹配）

• 按你说的做不具有通用性， 那如果是长文本，又怎么做，有什么区别（长文本用词频统计+停用词过滤）

• 你没回答出我想要的答案，因为一个微博可能属于多个类别（多类别无监督分类）

• 快排知道吗？稳定不？（不稳定，因为会交换顺序）

• bagging、boosting知道吗？（知道，属于ensemble，叽里哇啦叽里哇啦）

• 用啥语言，用啥框架（python，pytorch）

• 反问：实习时间？

• 反问：表现如何？

• 个人体会：面试官人超好，很客气。感觉工程能力还有待提高，很多东西还是停留在理论上。kmeans自己挖的坑，无语了。。。后面问了大佬，这个情景题可能是LDA之类的主题模型，或者是手动标记数据，再训练。或者是用迁移学习。

二面

约好的电话面试（30min）

• 自我介绍，问论文（简单介绍一下）

• 问比赛，效果怎么样，名次之类的（问啥答啥）

• 二叉树有了解吗，遍历有哪些（前中后层次）项目用过哪些数据结构（好像没有，都是用python做的）

• 动态规划了解吗，解释一下，填表是怎么做的（吧啦吧啦）

• 操作系统了解吗？（本科学过，现在忘了。。）

• Linux会用吗（会，一般用来跑实验和配环境）Linux debug的时候怎么做的（我用的nohup，输出log日志来debug）

• 计算机网络学过吗？（本科学过，现在忘了。。）那学过哪些课（ML DeepL NLP）DeepL的课程作业有吗（没）

• BERT模型说一下，历史、演变说一下（RNN、LSTM、ELMo、Attention、Transformer、GPT、BERT、Auto-Encoder、Auto-Regression、Positional Encoder）

• 情感分析怎么做的说一下，对你后面有没有什么启发（根据项目说的，样本不均衡、评价指标等等）

• 别的语言会吗，java，c（本科学过，熟练度不高，现在捡起来很快）

• 有没有关注什么学术平台，或者线下的学术活动（知乎、群、机器之心、自己组织线下交流活动）

• 反问：表现如何

• 反问：钉钉这边的业务是什么

• 个人体会：面试官很客气，像聊天一样，很顺畅。

携程

一面

• 自我介绍，实习时间，22年可以嘛（22年看情况）

• 分词知道嘛jieba说一说（知道，维特比算法巴拉巴拉）

• 分词种新词发现怎么做？（几里哇啦扯了一堆）你说的好像和我不是一个东西，新词发现有哪些常用方法（啊。。。不知道）

• 维特比算法中的DAG知道吗，怎么构建的（知道，扯了一堆）

• 所以DAG怎么构建你没有说（构建。。？不是根据统计信息得到的嘛？不知道）

• 看你熟悉维特比算法，HMM知道不（知道的...（西麻哒！！））

• logP(O|A,B,pi)怎么变成只有ABpi的式子（啊这。。。扯了一堆，三个问题，参数估计，d-separated，动态规划（完全扯错了方向））

• 感觉你说的和我不在一个频道上（哭，真忘了，没想到会问这么细）

• 看你论文用了BERT，说一下BERT和transformer的positional embedding有啥区别（多了一个矩阵，多了一个dropout几里哇啦）

• 这个positional embedding怎么生成的（cos，sin生成的，相当于一个look up tabel）

• positional embedding公式写一下吧（啊，这个没背啊）

• sigmoid当数据太大的时候不敏感怎么办（normalization）

• 最后做个笔试，用np实现一个LSTM，初始化权0.5（啊，能不能写伪代码？）不能写伪代码，要跑出来。（啊这。。。我好多np函数用法没背下来怎么办）你让我有点惊讶，居然没记下来这些常用方法（啊这个sigmoid怎么调用来着？）你自己写（啊好的好的，还好记得公式）

• 能运行下不（可以，然后炸了）你这bug在哪你知道不（应该是矩阵搞炸了）是的，怎么改（矩阵操作函数名忘了）好吧我提醒一下，把math.exp改成np.exp（啊好的好的）你这又有一个bug（啊变量名写错了，改一下改一下）

• 跑通了，说一下思路吧（简单解释了下代码思路，理论应该是对的）

• 反问：表现如何？

• 反问：一共有几面

• 个人体会：铁凉凉，不用看了，这也太难顶了，手撕LSTM还问了一堆机器学习东西，本来是准备的论文，BERT，word2vec，结果都没问。这波死的及其惨烈~HMM，新词发现，这俩不熟，赶快补，还有coding能力不够，找机会多写代码！！！

二面

• 自我介绍，聊项目论文。

• BERT和RNN之类的区别（Auto Encoder与Auto regression，吧啦吧啦 ）

• BERT的缺点，什么情况无法处理，双重否定，数值可以处理吗（应该不太明感）

• BERT的输入长度多少？（最大512） 超出怎么办（截断，数据预处理减少无关数据。实在太长直接上LSTM、Transforemer-XL）

• 实体抽取怎么做的，有了解吗？（没有具体做，但是大概知道上NER这一块的东西，其他不清楚了）

• 一个算法题，求一个大于等于输入的正整数的最小降序序列，比如，325->330, 4->4, 1234->2000, 4321->4321（20min没做出来，说了下思路，暴力递归）

• 个人体会：这个面试官又迟到10min，携程感觉不太守时，不喜欢，然后办公环境看起来也不太行，总的来说不太行。最后算法题没写出来，估计是凉了，不过这个面试官比上一个态度好很多。

腾讯

一面

腾讯会议面试（30min）

• 自我介绍，每个项目，一个个讲讲

• 论文1中样本怎么获取的（远程监督）继续深挖

• 论文2介绍一下（吧啦吧啦）

• BERT怎么做分类的说一下（feature based fine turning）

• 比赛做了什么，改动了什么，和第一差距在哪（吧啦吧啦）

• 多任务用和不用的区别在哪（pipline存在误差传递，多任务2个loss加一起）

• 2个loss的超参数怎么获取（经验+网格搜索）这样可能很慢，贝叶斯优化了解吗（不是很了解，只记得是启发式算法）

• tf会用吗，和pytorch有什么区别（不会，一般都是pytorch，tf有session、graph什么的比较麻烦记得好像，其他不清楚了）

• 其他语言会吗（本科学过、捡起来很快）大数据开发会吗（不会，只听过）

• 树模型和深度学习的区别（只知道效果有差距，具体不太清楚）二者可以结合吗（不是很清楚）

• 树模型介绍一下（决策树、GBDT、XGBOOST、随机森林）核心思想介绍下（吧啦吧啦）

• Adaboost和GBDT区别（Adaboost对错误给更高的权重，GBDT多个子树加起来（不知道说的对不对））

• 树模型和机器学习比如LR有啥区别（树模型有比较好的可以解释性（这个答案好像不是很满意，应该是稀疏性的问题））

• 稀疏性问题怎么解决（变成dense向量，说了一些分布式表示和one-hot的区别（不知道答偏了没有））

• 推荐系统了解吗（不是特别的了解）想做哪一块（NLP这块吧）推荐转岗可以吗（可）

• 反问：业务有哪些呢

• 反问：技术栈要求

• 反问：面试不足的地方有哪些

• 个人体会：面试官语速快的飞起，有种压力面的感觉，前面说项目的时候打断了好几次，把我说话节奏都带的快了。还有就是coding能力不够，工业界的一些东西还是缺乏

二面

腾讯平台面试（1h20min）

• 自我介绍，问项目。

• attention知道吗，用过吗（BERT里用过，不是我写的）写一下公式（从attention说到self-attention）

• q、k、v是啥意思（解释了一下）qk可以用别的方法代替吗（可以，只要是计算距离的方法就行，比如说余弦距离）

• self-attention和attention的区别（说了一堆好像没答道点上，最核心应该是attention只计算q和v）

• BERT和其他序列模型区别（BERT不是序列模型，Auto-Encoder的模型，其他比如LSTM是Auto-Regression）

• 推荐算法了解吗（不太了解，只知道协同过滤）

• 机器学习了解吗（了解），LR损失函数写一下（吧啦吧啦写了下，最后y写错了，应该放log外面）

• FM了解吗？（不了解）Wide&Deep了解吗？（不了解，好像都是推荐系统的那边）

• XGBOOT说一下（说了下和GBDT区别，之类的）为什么二阶导数好（信息更丰富）二阶导数也会更好的拟合（对对对）

• LSTM解决了RNN什么问题（长依赖，梯度消失梯度爆炸之类的）

• LSTM还有一个什么特点？（啥。。。不知道了）做加法比做乘法快（喔喔喔，可能想问三个门并行化？没太理解）

• 转岗推荐可以吗（可）

• 说说对推荐系统理解（只知道协同过滤，时间一致性吧啦吧啦）

• Embedding的理解，说说（表示学习吧啦吧啦说一堆）

• 写一个二叉树的后序遍历，非递归，手写（双栈法，输出的时候有点小问题）

• 算法题手写：最大子段和（暴力法）

• 反问：面试表现

• 反问：推荐的技术栈

• 个人体会：体验很好，就是写代码有点紧张。腾讯的速度还是很快的，不得不感叹。

HR面

腾讯会议面试（18min）

• 自我介绍，实习时间，信息确认

• 挑一个项目说一下

• 项目中的收获是什么

• 说2个项目中的难点，怎么解决的

• 希望实习获得什么

• 别的公司进度

• 有重大疾病吗

• 如何和别的部门协调资源

• 实习和实验室做项目区别

• 给自己之前2个面试打分

• 反问：表现怎么样

• 反问：base地（北京、深圳）

• 个人体会：腾讯速度真的快的飞起，结束了就云证。昨天2面今天就HR，不得不说太快了。HR态度很客气，体验很好