先介绍一下楼主背景,985本+美国专排top15硕,有Amazon+Intel+美团的实习,现在秋招结束了,来回馈广大网友!
-------------------------------------------------------------
美团AI算法提前批(已拿两提前批offer和一个转正offer)
提前批
第一轮:
17号清华双选会,一人可以选两个部门面试,每个面试就大概15min
两个部门共问到的问题有(模型多是根据项目问):
1. xgboost原理,怎么防过拟合
2. gbdt推导
3. boosting和bagging在不同情况下的选用
4. DBSCAN原理和算法伪代码,与kmeans,OPTICS区别
5. LSTM原理,与GRU区别
6. 算法题:翻转中间由各种符号隔开的字符串
第二轮第三轮:
20号在望京,每个部门两轮
共问到:
1. EM算法推导,jensen不等式确定的下界
2. xgboost和lightgbm的区别和适用场景
3. LR的推导,损失函数
4. gbdt推导和适用场景
5. DNN的梯度更新方式
6. 算法题:2sum,3sum
7. 算法题: 从右边看被遮挡的二叉树,求露出的node
8. 概率题,抽蓝球红球,蓝结束红放回继续,平均结束游戏抽取次数
第四轮:
hr面
23-24号左右,两天把offer都发了,让意向选择
转正面:
主要就是介绍了实习期的工作,讨论做得好和不好的,然后写了一个快排一个归并,较简单,之后就是hr聊了聊
-------------------------------------------------------------
更多名企笔试真题解析、面试经验交流、招聘信息内推,尽在牛客!
求职之前,先上牛客!快快下载拿offer!
牛客APP下载_C++Java前端经典笔试面试题库_牛客网
腾讯技术研究-机器学习提前批(已拿offer)
腾讯一面应用研究-机器学习
1. 扣简历的项目,扣的很细
2. xgb,rf,lr优缺点场景。。。真的逢面必问,有不了解的可以留下评论,我可以提点拙见,最好还是自己去网上扣一下这题
3. 算法题,单链表判断是否有环 (leetcode easy),以及判断环入口
4. 算法题,给前序和中序,求出二叉树
5. 是否写过udf,问udaf,udtf区别和一些细节
腾讯二面应用研究-机器学习
1. 扣项目,问简历,其中涉及的算法和上面差不多
2. 问推荐算法,fm,lr,embedding
3. 算法题,10亿个32位正整数,求不同值,只给1GB内存。。。我只答出来4GB的情况,时间负责度还不是最优的,所以稳稳凉了,如果有人知道怎么解1GB,求回复,感谢
腾讯三面应用研究-机器学习
1. 算法题: topK给出3种解法
2. 算法题:二叉树的最大深度和最小深度
2. 协同过滤的itemCF,userCF区别适用场景
3. 扣项目,问简历,其中涉及的算法和上面差不多
4. 对项目中一些技术选型产生质疑,并友好的一起讨论了这个问题
5. 推荐系统的大概步骤,解决冷启动。。。
腾讯四面应用研究-机器学习
最后技术总监面,onsite
1. 算法题:名人问题,给出最优解法
2. 问了一下项目和简历
3. 自我评价优缺点,怎么改进
4. 描述一个算法项目从kickoff-落地的全过程
腾讯五面应用研究-机器学习
总监面完立刻就hr面了
hr面就是常见的问题,城市啊,薪资待遇啊,对部门的评价,对总监的评价
然后就在系统中提示offer报批中。。。
-------------------------------------------------------------
阿里机器学习算法工程师
(共面了两个部门,一个社招流程一个校招流程,拿了校招流程的offer)
校招部门:
一面:
1. 扣简历,问得太细了,每个项目都要回答如果再做一次,有什么改进的地方,both算法上和模型选择上
2. 算法题:反转链表
3. 算法题:trim二叉搜索树
二面:
1. 扣简历
2. CNN为什么比DNN在图像识别上更好,这题我答得很烂,有好答案的欢迎留言
3. 用mapreduce实现10亿级以上数据的kmeans
4. rf和gbdt基分类器区别,里面的决策树分别长啥样,怎么剪枝
5. 说一下gbdt的全部算法过程
6. 算法题:丑数
三面:
这面是总监面,主要根据我的经济学背景,没有写题,只是讨论一小时怎么把经济学的知识带到算法领域。
其实这面是最难的,非常不好回答很多问题,但这些问题对大多数牛友没意义,所以就不分享了,有相同经济学背景的想知道可以私信我。
四面 (交叉面):
1. 聊了简历上做的项目,对其中一些项目做得不太满意,问我一些改进的方式
2. XGBoost推导和优点
3. 介绍了LSTM,里面的每个gate是干什么,怎么得出的,并与GRU做了对比
4. 让我挑一个最熟悉的模型讲,我说都可以,于是他问了GBDT,FM和FFM模型
5. 也聊到了我做算法的初心,为什么一个经济学的来做算法,有哪些优势,同时也给了我很多建议,希望我打牢基础,很感谢他的建议
hr面 (视频面):
聊了一个小时
1. 怎么理解大数据
2. 怎么理解算法
3. 数据的价值在哪
4. 怎么看待数据贩卖,对还是不对
5. 怎么看待阿里,和其他公司比较,why阿里
另一个部门面到4面交叉面后就结束了,没有hr面,应该是凉了或者进备胎池了
具体就不说了,因为没拿到,总之套路差不多,我搞砸了3面总监面,很砸很砸!
-------------------------------------------------------------
华为算法工程师
(hr说面试通过了,等流程,但具体offer还没有下来)
海外视频招聘,一共两面,没什么特殊的,比较少见的是问了C语言的常见坑和解决办法,其他基本差不多,整个过程感觉不太一样
与作者交流:
北单在那里买请加店主微信:av616X4