商科转码之路 | 算法岗寒假实习面经

NewBeeNLP出品    

作者 | 李可

香港中文大学(深圳) · 强化学习

写在前面

寒假前本着试试的心态，投了几家大厂的实习岗，商科转码er前端后端都不会，头铁全投了nlp算法岗（因为之前跟着清华研究院的老师做过相关的工作，所以了解一些）。今天收到了字节跳动的寒假实习offer，nlp算法岗，base北京，来写写面经，一是还愿，二是回馈之前在各网站上看到的经验帖。祝各位顺利！

个人情况

香港中文大学（深圳），大三，计算机科学与技术专业，大一是商院的，大二因为兴趣和擅长转到理工学院，在统计学和CS之间犹豫了一下，确定了后者。这里真的很感谢学校的宽松政策和高自由的选课制度~ 大二暑假在清华深圳研究院跟着Yang Li老师做了一点nlp算法相关的工程项目，学习了一些主流算法，开学后转到强化学习的方向做research。之前没有计算机基础，这学期刚开始学操作系统、数据结构、C++这些课程。

因为寒假实习比较折腾，所以只投了大厂，基本都经历了二面，情况如下

腾讯wesure nlp算法实习

一面

• 把数字转换成中文汉字给定输入”28024“，输出”两万八千零二十四“ ，这个没有什么算法知识，但有一些比较tricky的处理技巧。

• 找出第k个最大的数 这个CSC3100课上讲过

• 间隔反转列表，要求时间复杂度为O(n)

二面

只记录了答的不好的题目

• 给定文本分类的任务，人工打好了分类标签，想要利用classification建模，描述流程；如果最后准确率不高，怎么排查问题原因？

• 如何判断变量之间的相关性？除了相关系数之外还有吗？相关系数判断的是线性相关还是非线性相关？（线性）那怎么判断非线性相关？

• 分类和聚类的区别与联系; HMM和CRF的区别 （判别模型和生成模型的区别）

• SVM 现场推导

• 一些个性向的问题，（自己/朋友）如何评价自己；最大的优缺点

• 如果给你3天时间快速上手一门新语言，你会怎么做? 如果只给1天呢？

• 处理上亿条数据时，内存不够load文件怎么办？

总的来说，腾讯这个面的实在不难，主要围绕简历上的经历，扣的很细，会追问很深，比如遇到这样的问题怎么去处理，怎么去排查原因。

但是腾讯结果出的太慢，一面二面结束后，隔了一星期才问我（估计是进备胎池然后被捞），什么时候有空约个部门高级经理面，但这个时候我已经拿到了字节的口头offer，就跟对方终止了流程。

货拉拉 定位算法实习

• HMM讲了一遍

• 二分查找写了一下，分析时间复杂度 （靠，可能当时觉得太简单，十分窃喜，导致脑子抽了！！！写成了 T（n）= c+2T(n/2)… 很无语

• 青蛙跳n阶台阶问题 （Cn = Cn-1 + Cn-2），变体：如果不能连跳两级呢？如果可以跳1，2，3，…, n阶呢？

• 给定前序+中序或者中序+后序，恢复一棵二叉树（这个CSC3100讲了，但我期中以后就没听课，所以当时不会，面试官小姐姐很热心的提醒了一些思路，最后写出来了，有惊无险）

总体上很顺利，问的算法都是和面试官聊的不错，发现对方是Georgia tech的，扯了十分钟闲话。但因为实习时间原因放弃了。

百度 自然语言处理部 nlp实习

一面

• Transformer/BERT/LSTM算法简述

• LSTM和传统的RNN区别？

• 找两个字符串的最长公共字串 （暴力求解；然后用动态规划优化）

• 十进制小数（0到1之间）转化成b进制数（1<b<10)

• HMM和CRF的区别 （判别模型和生成模型的区别）？CRF的损失函数长啥样？HMM三种问题的具体解法？

• 简历分词为啥不直接用命名实体做？

二面

• SVM和logistics regression的区别

• L1正则和L2正则的区别

• 什么时候要归一化（normalization）

• BERT/Transformer

• 准确率 召回率计算公式 表示含义

• 还问了特别多特别多简历项目上的细节处理问题，答的特别不好，但是不记得了……

百度二面的时候也已经拿到字节的口头offer了，所以当时去面试是比较勉强的，本着增加经验+防止字节仙人跳的心态，对方面试官不知道为啥语气也有点严格，可能是晚上八点面试加班很不爽吧，总之这个面试我俩语气都不太好。。很奇妙哈哈哈哈 但还是聊了一个多小时（确切的说是被质问/逼问/压力面了一个多小时

字节跳动 nlp/搜索算法实习生

面字节是特别深刻的经历。12.6上午我去赛格考托福，中午出来十二点多，来不及赶回学校，就在附近找了个网吧等面试。第一次去网吧，充了一个小时，以为够了，结果面试途中两次打断面试官，“不好意思，我去前台再充一个小时回来继续面!"
网费好贵，30r/h
网吧很嘈杂，网络也断断续续，经常卡，所幸面试官贼好，后来直接挂了视频打电话过来面。

字节跳动总体感受

• 两个面试官都很年轻，一面面试官还有点帅；二面打电话的，没看见脸

• 两个面试官都不好糊弄（比如他们虽然是nlp部门的，但也很懂我简历上的强化学习，貌似对学界paper也看得比较多），挺厉害的。特别是一面面试官，对于我现在导师做的东西竟然很懂，比如Q-learning和Policy Gradient，还问了一些学术最前沿的东西，我不会，他就说了几篇paper，说感兴趣可以回去了解一下。

• 面试效率极高，当天连着两面，面了两个多小时，当天出结果，第二天约hr面，字节牛逼！

• 网吧的键盘手感好棒啊……以后的梦想是自己配一套台式机，买个好显卡，好屏幕，好键盘，周末就可以玩游戏了

笔试题

• 实现函数 int sqrt(int x). 要求复杂度O（lgn）

• 用dfs找到无向图的所有连通分量

• 输入一个矩阵，找出所有的connected components。我当时用了stack，思路有点像CSC3100课上讲的用stack解决迷宫问题

技术性问题：

• AUC/ROC曲线意义

• BERT/LSTM

• 训练集正负比例严重失调怎么处理?

• 准确率 精确率 召回率

• 强化学习最新的算法

• 强化学习流派 deepmind/openAI Sutton/Berkeley

• HMM过程讲述

这几天总结下来的感受

• 数据结构和算法是门好课（这学期shen kaiming老师的补充材料都很有用，面试常考的）

• 机器学习的传统算法要熟悉，也要稍微关注学术界最新的动态，不然会被cue

• cs岗面试太累了,动辄1-2小时

• 尽量找内推吧。这次我都是第三方投的，后来HR小姐姐告诉我内推的话更容易一些

剩下的想到了再补充！