作者 | Miss.Zhou
整理 | NewBeeNLP
面试锦囊之面经分享系列，持续更新中 
欢迎后台回复『面试』加入讨论组交流噢 
没凑齐battmd是因为头条没面，美团面挂了。4/5的胜率；标题党了，T其实面的是搜狗，但是被腾讯收购，入职流程也走了腾讯的，所以以后就是腾讯员工了。
从6月8号面试到7月21号，总计38场面试，7个offer。除了上面的5家大厂，还有一个中厂和一个小厂，这个胜率我还比较满意的
从个人成长的角度，是不建议大家和我一样工作一年就跳槽的
面试沟通表达&临场反应真的挺重要的，反正我觉得我自己的真实水平配不上上面几家给的pkg
关于社招面试心态调整:我这38场面试，都是秉承『面试是双向选择的过程，我也是在物色我的未来老板和未来同事』的心态，所以发挥都比较稳定。
面试前的准备
梳理已经完成的项目，挖掘项目中自己的成长点&项目的亮点&难点，理清项目的背景、意义，待优化点。并完成第一版简历。
确定自己面试的方向，找系统的复习资料，我的定位是推荐系统，所以看的资料是王喆的《深度学习推荐系统实战》和他的书《深度学习推荐系统》，大概看了一周多，把前面偏理论的看完，后面的可以随着面试再查缺补漏
列出第一、二、三阶段面试的公司，第一阶段是用来练手的，第二阶段是中厂保底的，第三阶段是想去的，然后在boss直聘上开始找合适的岗位海投
想好官方可接受的离职原因，对下份工作的期待，对自己未来3-5年成长的规划，对面试公司的赞美之词（误
想好自己的优势、劣势，如何在面试中扬长避短
适当刷题找感觉，我仗着ACM底子，面试前+面试前期只是口头ac了剑指offer大概20道题吧
面试中的常见问题
通用算法类问题
优化算法：BGD、SGD、小批量梯度下降、动量优化算法、自适应学习率优化算法；batch-size如何设置，过大过小会怎样，若硬件满足要求，为什么不能无限增大batch-size
正则化：L1 、L2以及数学角度解释为啥可以减少过拟合；什么样的特征适合L1 or L2 正则化
常见损失函数
评价指标：准确率、精确率、召回率、F1、AUC（GAUC）、RMSE等 意义是什么；都是在什么情况下使用
Bagging boosting区别
传统机器学习算法
LR：原理、优势、局限性
SVM：算法原理、KKT条件的意义、拉格朗日对偶问题、损失函数
GBDT：算法原理、损失函数、树如何分裂
XGB对比传统GBDT的优点、二阶泰勒展开的是啥、正则项是啥
LightGBM对比传统GBDT的优点
XGB如何输出分类树的结果
XGB如何调参 min_child_weight 干嘛的
随机森林和XBG区别
NLP相关
embedding降维如何设置
Word2vec 两个模型&两个优化点：hierarchical softmax + 随机负采样
graph embedding 随机游走算法
计算attention公式 以及为什么要➗dk
transformer encoder/decoder
transformer encoder 与 GRU区别
推荐系统相关
深度学习推荐系统演化过程
FM、FFM、PNN、Wide&Deep、DeepFM、DCN、FNN、DIN、DIEN、DSIN各自特点、原理、相对前一个模型的改进点
W&D类模型的记忆能力&泛化能力 以及特征如何输入
工程实现类问题
如何ABtest
如何冷启动
推荐系统的整体架构：召回-粗排-精排-重排
如何快速召回，embedding + 局部敏感哈希
给定业务场景，根据用户什么属性做推荐
语法类问题
C++：智能指针、虚函数为什么不能是静态函数
Python：深拷贝与浅拷贝
SQL：窗口函数
面试现场表现
突出自己的优势，未来能为对方业务做出什么贡献
随机应变，说话要有条理性，就算是问题真的想不到有条理的答案，这里有一个开放性的问题回答万能话术：“是这样的，首先....”
对方问优点，根据自身能力，回答和面试岗位相关的优点。因为这个有可能背调会问，不建议瞎说
对方问缺点，工作两年以内的，一律回答：“由于之前的工作偏执行性，所以导致自己对于项目的全局性把握的不够，在未来的工作中，我也将多加思考这方面的内容。”
考虑一下对方问题的背后目的，比方说，由于我之前实习+上份工作的公司都是不同风格的，hr我怎么评价这三家公司，然后我不仅评价完每家公司的优点，还都加上我在这家公司进步的点
下面举几个我临场发挥的例子：
某hr问我前司的工作节奏，我说每天9点出头老板们就走了，然后我们陆陆续续就走了。
然后她发现了华点，问我：你们是看着老板走才走的啊？
我说：是这样的，我们这边不鼓励做无效的加班，老板们以身作则，通过提高工作效率来控制加班时间
问：当时为啥校招选择前司。
答：当时接offer时候是2019年10月，当时无论是这个行业还是这家公司本身都是在快速发展，我想和公司一起进步；另一方面，这个公司做的是拉新留存相关的算法，我觉得在这类业务中，算法可以很大程度上给业务赋能，发挥算法的最大价值。
一起交流
想和你一起学习进步！『NewBeeNLP』目前已经建立了多个不同方向交流群（机器学习 / 深度学习 / 自然语言处理 / 搜索推荐 / 图网络 / 面试交流 / 等），名额有限，赶紧添加下方微信加入一起讨论交流吧！（注意一定要备注信息才能通过）
- END -
1万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
