乘风破浪 | 「字节跳动+百度」推荐岗面经请查收

背景   

    作者是一名与小编同届的好友，本文写在毕业半年后。

    背景为C9计算机科班，研究生期间方向主要为CV方向，在这方面做过很多有意思的工作。目前发表了两篇顶刊顶会一作论文(优化算法、模型压缩和OCR等)以及多篇其它非一作论文，校招阶段转到了推荐这个领域，之前和导师一起创业，创业主要做的也是cv相关的，本来是打算读博的，不过后来因为各种原因重新找工作了，个人的优势可能在于一个是论文比较多，然后也有两个还不错的CV类比赛成绩(比如CVPR 2018细粒度分类比赛)。

    在这里也欢迎各位从事推荐及CV的小伙伴加入我们，一起交流学习，一起进步。

    如下仅为部分面经，墙裂欢迎各互联网大佬来撩。

前言  

    个人感觉面试的过程中写题比较重要吧，一般面试的时候题目写的比较顺利，至少说明动手能力不会太差，后面和面试官聊的时候底气也比较足。我leetocode也就刷了300道左右，但是要确保刷过的题目再遇到还是要会做。我觉得刷leetcode要找一段时间集中刷，这样比较有感觉。

    我找工作的经历比较尴尬，由于毕业时间的原因不算应届生，等于是走的社招，很多公司看我只有半年经验连简历都没过，我参加面试的只有字节跳动，百度和快手，接下来介绍一下这三次面试经历。

字节跳动

一面

    自我介绍。

• 算法题：手写堆；循环链表。

• 论文：positive unlabeled learning相关。

• 蓄水池采样。

• fm和ffm的推导。

• 如何设计个性化推荐系统。

• 反问。

二面

    自我介绍。

• 算法题：树形dp。

• 算法题：图的最短路径。

• 图像比赛，问的比较深入。

• graph embedding算法的介绍。

• 反问。

三面

    应该是部门老大，博士。

    自我介绍。

• 算法题：三指针。

• 聊之前的创业的经历，聊论文
  

• 反问。
  

百度

一面

    自我介绍。

• 算法题：二叉树；大数排序。

• 论文：positive unlabeled learning相关。

• NLP模型了解么？

• deepfm的介绍与推导。

• 反问。

二面

    自我介绍。

    其它记不太清了，当时直接电话打过来正好在高铁上就没做题了。

• 聊了下论文和比赛
  

• 反问。

三面

    自我介绍。

• 算法题：最小覆盖子串。

• 算法题：合并k个链表。

• xgboost和lightgbm的区别和改进。

• 聊之前的项目，聊论文，手推我之前论文的公式(主要是一个非凸交替优化算法)。
  

• 反问。

快手

    聊如何做半监督学习和如何做模型的置信度相关的工作，可能面试官做这个的，因为之前我有看过一些mix-match和reject option的论文，所以聊的还不错。但是后面算法题面试官出了一个基本有序数组排序，我觉得是插入排序，但是面试官不认可，我觉得他理解的不对。

    其它记不太清了。

总结

    总的来说，面试过去这么久了，一个最大的体会就是在企业里面编程能力一定要过关，而这个在学校的时候就要多花时间训练。另外基础也非常重要，机器学习相关的算法一定要吃透了。

最后祝大家面试顺利，一起加油！欢迎大家来交流～