2022年秋招/春招/提前批/大厂面经整理（持续更新中~）
视频一面1.5h 12.01
自我介绍+项目+实习
面试官问的非常细，时间挺长的，自己的论文要读明白，然后项目边边角角都要考虑到…
开始问知识点（数学
贝叶斯公式你给我写一下（我写了个公式，然后面试官说你这是条件概率公式…）
卡方检验知道吗，你知道里面的P值是什么吗（并没有答上来）
开始问DL+ML
我看你对集成学习这边比较熟悉，那你说说随机森林和XGBoost的区别（说了他们属于不同的bagging/boosting大家族，弱学习器之间是否有依赖关系，xgb损失函数的优化，泰勒展开；xgb相对于RF并行上面的优化；）
深挖： xgb的并行如何实现的（只说了一个并行的时候可以同时算分裂）
深挖：随机森林的随机性体现在哪里（我说列采样，数据随机采样）
更深挖： 随机森林一个数据被重复采样的概率是多少？（没答上来）
你知道SVM，LR，GBDT她们更有什么优缺点和应用场景吗（我说SVM可能因为超平面的关系更加适用于多分类，然后LR实现简单，应该效率比较高，适用于样本比较好；然后GBDT他是个集成学习，效果应该比前面两个好把，…现场瞎扯，因为从来没有放在一起比过这几个）
深挖GBDT： 你说GBDT回归的时候拟合的是具体的数值，那分类的时候怎么实现的呢（分类的时候应该就是拟合概率值把），面试官继续问GBDT用于三分类的时候，怎么实现的，（不会。。）
开始问DL， seq2seq跟transformer相比有什么不同吗（seq2seq有长距离依赖问题，那transformer encoder方面引入了self-attention机制，可以更好的关注上下文，seq2seq相当于只能关注前面的信息，而transormer相当于可以关注上下文，相当于双向语言模型；为了解决transformer位置编码的问题，transformer引入了位置编码）
transformer的注意力机制你知道怎么实现的吗（Q,K,V,Q作用域K，然后sigmoid取均值，输出加权平均和，面试官纠正你刚刚说sigmoid?我说说错了，应该是softmax。。。）
你知道Q,K,V有什么意义吗，怎么得到的（分别乘以3个不同的权重矩阵）
那Multi-attention怎么得到的？（那就用多个不同的Q,K,V映射矩阵，然后映射到不同的Q,K,V value），面试官多头注意力机制是为了什么（我说是为了从不同的角度关注当前词和上下文的关系，避免信息挖掘的不全，为了更好的关注不同的语义信息）
深挖：你刚刚说了除以根号d，你知道为什么要除以根号d吗 （我…可能是为了归一化把？？？？后面想到可能是为了降低数值，面试官后来问有没有把 attention is all you need 捡起来从头到晚读一遍…）
开始手撕代码
一开始给了函数头 sqrt，我就直接问是要实现内置函数sqrt吗，我说这个题我不太会，然后面试官给我换了个题
手撕一 反转链表（迭代写了，面试官说OK,说换一种方式把，我说那就是递归把，然后写的 递归好像逻辑有点问题，然后面试官说没关系，我们开始下一题）
编辑距离了解吗（我说了解，然后开始说word1-word2的最小编辑距离，然后我的网断了，又要进不去网页了，然后面试官说算了，我看时间也差不多了，好像面了一个小时20分钟了当时，然后我赶紧跟面试官说了做题思路：这是个二维DP问题，首先定义DP[i][j]表示长度为iword1转换为长度为j的word2时的最小编辑距离，然后定义状态转移方程，要分两类，相等和不等时，巴拉巴拉…然后面试官问你说的dp[i-1][j]代表的是增还是i删还是替换操作？增，dp[i][j-1]是删操作，然后dp[i-1][j-1]是替换操作…太卑微了）
面试官说时间差不多了，你对我有什么问题吗（我说你们部门业务主要是做什么呢？说销售业务，和用户反馈的文本分析之类的，也会有纠错任务，这可能就是捞我的原因把）
面试官再见（面了1小时30h把，跟面试官道歉网速不太好，导致面试途中带来了很多问题，面试官人非常nice,非常有耐心，真的nice）
视频二面 40min 12.02
项目 实习
开始问DL基础
文本不平衡怎么处理 （说了过采样，欠采样，问还有没有其他的，没答上来）
评价指标有哪些（准确度， 精确度，混淆矩阵，AUC曲线， F1-score）
继续问有了P,R为什么要有AUC和F1-score（说AUC是真阳性，与假阳性之间的平衡，面积越大越好，然后F1-score,是平衡p和R）
过拟合有什么解决方法 (数据增强，然后L1正则化，L2正则化；dropout)
顺着L1,L2正则化问，L1，L2正则化有什么作用（在解空间碰撞出稀疏解，可以使一些特征参数为零）
业务场景题，现在有个半监督分类问题，你有什么思路吗，意思是只有一部分文本有标注，比如就标了体育，（我说先进行二分类，把体育和非体育分开，然后再把非体育进行聚类，让他们自己去聚类，面试官说你说分类问题其实也可以，但是还是要先去找出一些边界的情况，我没太明白。。。）
手撕代码
面试官说我们做个简单的把, 实现二分查找，我：？
然后写出来了，然后面试官说有什么其他写法吗
然后我就写了个递归的二分
最后
最后问会不会大数据公式，我说mapreduce,spark这些没机会接触到，
然后问数据库熟悉吗，我说本科学过，然后他说复习了吗，我说没怎么复习，全都是复习机器学习去了
然后面试官就说OK了，时间短，让人感觉被刷KPI那种…
电话三面 30min 12.03
感觉应该是经典面，因为提前打电话问了三方以及意向，当时我还以为是HR，结果经理来了一句说我就是三面的面试官，我说哦哦好已经开始三面了吗，然后他说一会儿再约其他时间，先确认意向？然后一个小时以后电话就来了，当时楼主穿着睡衣刚恰完饭… 我问是不是技术面，他说我不问技术噢
xgboost和普通决策树有什么区别 (您不是说不是技术面吗，委屈啊。)
xgboost和随机森林有什么区别
概率题： 如果明天下午的概率是80%，然后明天每个小时下雨的概率都是相等的， 求明天0点到8点的不下雨的概率（有一个小时下雨就算下雨）
然后一系列生活问题，已经不记得了，生活问题太多了。但是把面试官逗笑了很多次就对了。
后续时间线
12.08测评 12.10 意向书，前后两周不到，百度效率真的很高。
lz实习结束回来发现秋招已经接近尾声，然后继续在算法岗挣扎，最后经历诸神黄昏->灰飞烟灭，能赶在年前拿到一个自己很满意的Offer真的很开心
总结语
希望大家能够时刻保持一颗积极向上的心，我始终相信一件事：机会永远是留给有准备的人。
资料分享：下图中的资料是我和群里的小伙伴一起为正在准备秋招的朋友整理的，需要这份校招资料的点赞、转发、收藏之后添加君羊【832218493】 免费了领取！
扫一扫
674
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
