普硕的秋招算法岗之路（2019届）

现在是2019.3.3，金三银四，刚好是春招黄金时刻，我把18年秋招的经历以流水账的形式写下来，反馈给我的粉丝吧（虽然也没多少粉丝哈哈，禁止转载嘿嘿），希望对各位准备找工作找实习的同学有所帮助。这篇面经主要针对算法岗（主要是数据挖掘方向），欢迎大家关注我的博客，有算法相关的问题都可以与我交流。
首先，交代下背景，本人四非（非985非双一流）一本普通硕士（渣硕这个词太敏感就不说了哈哈），没论文，有比赛，有实习经历。
秋招期间，投了四十个公司，笔试20多个吧，面试10个，offer 5个（按时间先后顺序，CVTE(实习转正)，多益，顺丰，金山，华为，微保）。

下面是各个公司的面经（按时间先后顺序排列）：
一 海康杭州研究院：
这个最尴尬了，刚睡醒，一脸懵，而且当时还没开始准备秋招面试，虽然问题不难，但是答得很糟糕，13分钟完事。
1， 实习项目；
2， gbdt原理；
3， word2vec原理；
4， 讲一个自己熟悉的算法原理；
5， 看我博客有写动态规划，就叫我讲最长公共子序列；

二 步步高
1面：
主要问项目，没问算法原理，问答环节我问了很多他们公司在这个岗位的业务和工作，主要是智能手表和点读机（大概是这两个吧，记不太清了）；
2面：
应该是某个部门的老大吧，进来之后HR还给他倒水了，然后没给我倒，很气。主要问三个问题：非科班，为什么想做算法？和其他985好学校的学生比，你有什么优势？（然后还说这个问题我不用回答）第三个问题是为什么选择步步高？这一轮面试过程中明确说了想做点读机相关的，但是一面的面试应该是智能手表方向的，因此加了一轮技术面；
3面：
因为短信上说明那天只有一轮技术面+一轮HR面，所以我完全不知道这一轮是技术面，还以为是一位产品经理，问了项目，梯度消失，深度学习的一些问题，问的并不深，我以为对方不是搞技术的，答得也很浅；
4面：
这一面是HR面，这一面就比较作死了。期望薪资说得比较高，另外HR问还投了哪些公司，答BAT，能不能尽快来实习，答不能。然后，就没有然后了。。

3.珍爱网
1面：
面试之前偷瞄了下笔试成绩，给了A。面试过程问的不是很深入，主要是聊了两个实习项目，然后问想做哪个方向，答文本挖掘，然后就问我为什么想做文本挖掘，有什么难度等等；
2面：
这一轮是总监面，从腾讯跳过去珍爱网的。没问实习项目了，问了两个比赛，问的很细，用什么方法，怎么优化，误差多大，跟第一名比怎么样等等。答得还可以。出了一道题：一个m*n的矩阵，从左下角走到右上角总共有多少种走法？我用动态规划解了，对方不同意，要我用数学方法证明，我说用数学归纳法，他说不是，最后没解出来（回来查了一下，就是一道概率题）。

HR面：
常规问题，聊了很多，把我聊嗨了。最后她说他们有在做陌生人社交。我作死问了她不怕被国家监管查吗balabala。

4.多益网络
只有一轮技术面：
挑一个自己认为最成功的项目讲
线性回归和逻辑回归的区别
逻辑回归为什么可以处理非线性问题
介绍svm原理
一副扑克牌分三堆，大小王分在一起的概率
解释什么是外挂？怎么判断玩家是否使用外挂，怎么提取特征。
为什么投多益。有其他offer吗，薪资如何。

5. 顺丰科技
   面试之前在网上看面经，都说顺丰的面试很水，但是我面试的时候面试官是刚毕业的博士后，问的问题还是很难的，所以面试有时候也要看运气的。。
   1面：
   Tfidf的原理，有什么缺点，可以用什么算法改进
   给一段话，怎么识别出实体（命名实体识别问题）
   了解HMM吗
   了解CRF吗
   知道什么时间序列算法
   聚类算法懂多少，kmeans与高斯混合模型的区别
   其实答得不是很好，最后面试官说你做过的这些东西我都做过，以后有机会多多交流，然后就让我通过了，开心。

2面：
HR小姐姐很优秀啊，应该是工科背景，感觉全程在问技术，最优化，gbdt，项目该怎么做等等，我一度怀疑我是在技术面，第一次遇到懂技术的HR小姐姐啊，膜拜orz

6. 金山WPS
   2轮技术面+1轮HR面+1轮技术面+1轮部门老大面
   1面：
   详细讲项目
   Tfidf的原理
   textCNN的原理
   用什么库分词
   怎样搭建textCNN网络（用什么框架，库函数之类的）
   出现样本不平衡怎么处理
   平时用什么库函数处理数据（答pandas），pandas怎么做排序，怎么合并两个dataframe

2面：
手撕代码（矩阵顺时针打印），因为做过，所以很快就写出来了。面试官看我写这么快，以为我很厉害，就问我手头有什么offer，当时刚好手上有几个offer，面试官就认可了我的能力，试探性地叫我解释minibatch，我也答出来了，接下来就很愉快地聊天了，问我选择公司的时候最看重什么，想去哪个地点工作，期望薪资等等。本来报的大数据团队，面试官说我水平不错，帮我推荐到他们的AI研究团队去了，但是要加面。

3面：
这一轮是HR面，各种常规问题，然后HR主要是确认我想去大数据团队还是AI研究团队，我跟她说明去AI研究团队之后，她就安排我去珠海现场加面了。

4面：
详细讲了其中一个视频分类的项目，要我画出网络拓扑图，机器参数，怎么看GPU型号等（问的很细节，太久没看有些记不起来了，答得不好）
讲文本挖掘相关的项目，问word2vec的原理（答得比较详细，被认可）

5面：
AI研究团队的负责人面的，这一轮主要是想确认我的工作意向，跟我讲解团队工作，氛围等，希望我过去等等。

7.华为
华为我觉得应该重视每个环节，笔试成绩也挺重要，只要前面的环节表现好，后面基本上没什么问题。
1面：
主要详细讲了两个实习项目，面试官看我笔试成绩比较高，就问我熟悉什么语言（答Python，也会些c++），问如果总分5分，用c++写给自己打多少分（答3-4分），怎么看待机器学习这个领域？主要是两个项目讲的不错且笔试成绩比较高，所以面试官也没有为难我，说表现不错

2面：
一上来就问我有什么性格缺点（尴尬）。然后看了我前面的记录（笔试成绩+性格测评+第一轮评价），说你笔试成绩这么高啊，前面的评价都不错，我也不问你具体问题了，然后就向我解释华为的薪资构成和各部门的划分架构等，最后问我有其他offer没有，看的出来面试官对我的评价很好，本来想给我留电话说有问题可以直接找他，后来说公司不允许私自操作就没给成。

8.微民保险
2轮技术面+一轮CTO面+一轮HR面
1面：
面试之前手撕了两道题（链表反转和矩阵转置），我是最后一个且已经晚上七点多了，面试官也很累了，面试过程只有十几分钟，讲了一个实习项目，问了一道nlp场景题然后就结束了，具体题目如下：
给很多session，每个session有很多问答对话（类似于我们的微信跟好友对话这样子），怎么构建模型提取出每个相关的question-answer对（保证question跟answer是匹配的）。

2面：
这一面问得比较细，两个实习项目都讲了，从其中挖了一些问题问
讲LSTM的原理，各个门的作用
手推逻辑回归
手撕代码：给一棵二叉树，找出树中最大值以及最大值所在的行和列（当时的思路是用层次遍历写，但是没写出来，尴尬）
场景题：提供用户的微信数据，怎么判断用户是否生病，可以怎么提取特征

3面：
这一面是CTO面，问了两个比赛，是多少人参加的，自己负责哪个部分，怎么提取特征
问我对微保有什么了解，有什么问题问他（问了算法团队负责工作，微保在做的互联网保险跟支付宝在做的有什么区别和优势），其他忘了。。

4面：
HR面，也是各种常规问题，不能接受跟什么样的同事相处，自己在大学期间的成长，期望薪资（当时要了20K以上，hr第一反应是这么高啊，把我吓的，真怕她因此把我拒了），后来发现想多了，还是给offer了，但也没给我想要的薪资。。

9.迅雷
迅雷一面就挂了，太难了，喜欢问底层原理，对于非科班的我，只能说要不起了。
用过哪些Linux指令
操作系统了解多少
Python的多线程有哪些并行方式（如果没记错的话）
大数据平台有了解吗
Jieba分词的原理
介绍pandas（讲了一些函数），用什么调试工具
代码占用内存太多的情况下，怎么优化
SVM与LR的区别
解释偏差与方差
熟悉哪些排序算法，直接插入排序与快速排序的区别
24小时内时针与分针的重复次数
场景题：怎么找出微博热点/热词
对机器学习的理解

10.美团
2轮技术面+一轮leader+hr面
1面：
详细问了两个比赛，主要关注点在如何提取特征，多少人做怎么分工，然后说了队友用规则，问我用了什么规则（不太记得了，尴尬…）
手撕代码：给一个01矩阵（矩阵的每个数非0即1），找出全为1的矩形的面积（没写出来…）
CNN跟RNN的应用场景的区别
CNN为什么能用于文本任务
其他机器学习问题忘了。。。

2面：
这一面面的很长，将我的简历从头到尾问了一遍，而且问的很细。
详细讲了实习项目，问题目推荐为什么要用那个方法
随机森林与Xgboost的区别，哪一个需要的深度更深
Word2vec原理，word2vec怎样进行负采样，解释霍夫曼树
Word2vec比以前的神经网络算法快的原因是什么
对于LR,决策树，SVM这三个算法，什么情况下该用哪个算法，分别讲出来
LR跟SVM，小样本下哪个比较好，为什么？SVM线性核情况下，小样本SVM会比LR好吗
手撕代码：给定一个一维数组L表示青蛙过河，其中L[i]==0表示此处没有石头，L[i]>=2表示一只青蛙可以往前跳多少步；判断青蛙是否能够过河？

3面：
Leader+hr一起面，leader的问题基本上都是场景题，而且感觉很难回答。
你的项目当时为什么要这样选型，为什么要用这个算法
在这个项目中遇到什么难题，怎么解决
RNN跟xgboost的应用场景的区别（不太记得是不是这个了…）
场景题：给一段房东与租客的对话，怎么判断在具体某个时间段是否有房源

百度：
1面（1h）：
项目（问得很细，差点被问趴。。）
Linux熟不熟悉（不熟悉）
C++ STL懂吗（不懂）
Hadoop, spark这些懂吗（不懂）
Python2与Python3的区别（比如编码问题）
LSI具体怎么做
GBDT的梯度提升是怎么做的
Xgboost的损失函数可以换成什么
Xgboost对缺失值是怎么处理的
Xgboost怎么做分类
CNN是图像处理领域的，为什么可以用于文本分类（我从textcnn举例说明）
面试官的评价是数据领域的理解比较透彻，但是工程能力比较差

2面（1h）：
项目
PCA原理（讲得很乱，没讲清楚）
CNN中为什么要用卷积（讲利用到局部信息，保留空间特征）
Python中怎么判断两个变量相等（答AB, |A-B|<10^-6，问AB的话Python底层是怎么实现的）
大数据处理这一块了解吗（不懂）
Linux熟不熟悉
代码题：一个有序数组（如[1,1,1,1,2,3,3,4,55,555]），找出不重复的数，不能引入额外空间消耗，不能改变数组大小，不能改变元素值（答：从左到右遍历，找出下一个不同的数，将该数与上一个数的第二个值做交换，然后从该不同的数的下一个数继续遍历；如上面数组中，找到不等于1的数2，将2与第二个1交换，然后从3开始继续遍历）
面试官用指针去遍历，思路跟我是一致的，居然说我的太复杂了，我的天啊。。

总结：
算法岗主要考察三个部分：项目，机器学习基础，coding。
1） 项目：对自己的项目一定要深入了解，最好有自己的idea，而不是简单的调包；
2） 机器学习基础：《统计学习方法》中常见的算法都要熟悉；
3） Coding：这一块笔试刷leetcode（medium难度足够了），面试刷剑指offer（剑指一定要刷，不然手撕代码会很痛苦的，一般面试不会给你留太多时间思考的）。