面试经验总结

面试总结

腾讯

企业微信

被强行拉起来面试的后台开发岗位，成都的。。。（不想去就随便面了面，面试官夸我代码写得好，然而不知道为啥把我挂了，可能因为透露了不想去成都的意向.)

编程题

1. 最长公共字符串前缀。
   （先对字符串排序，降序排序。。取第一个字符串是最长的，对它的字符逐个去和后面的进行比较，只要有不满足的，就break。。）

2. 判断链表是否是回文。。
   （这个题的思路： 1）快慢指针，先找到中间位置；2）中间位置往后进行链表反转；3）首指针和尾指针，开始往中间走，依次判断是否满足回文。。

（前面证明了自己C++编程能力还行）----

开发知识和项目

强行回忆下，问了哪些问题。。

1. 介绍自己开发相关的项目。。（是比较底层的项目， 对方表示了他们是做应用层的开发，可能更关注很多应用场景问题的解决，高并发等等，这方面的经验我肯定不足。。）

市场上现有的一些解决方案是否有调研，我们自己的和他们比优势在哪。。（这一块介绍的还不错。。）

2. 关于项目里， 一些细节的深究， 问了worker机器死机时 ，没法执行任务咋办， 我说客户端设置超时机制，时间到了没拿到就继续在本地执行。。

3. 网络相关。。 如何避免tcp泛红攻击， 一脸懵逼，表示没听过。。。

其实，开发经验相关的沟通挺尴尬的， 我的知识板块和对方关心的都不一样。。）

阿里

支付宝-搜索推荐nlp

一面

电话面试的，做题时邮件发个链接，在网页上写题。。

聊项目

主要是在一个项目上聊了很久很久。。我的query分析项目。。
聊时，提问的几个关键点。。

1. 让详细讲解了esim模型，（虽然有些细节忘了，后面需要再温习下，如何全局交互的（关键点）。。）

2. 让讲解下wmd，wmd算法的缺点，计算量大，句子太长时语义捕获的并不好。。（wmd算法需要再温习下）

3. bm25查询结果返回时，召回基本上都不相关，如何处理。。（我说了优化分词模型，加入一些相关词典，优化排序算法。。好像回答的不太对。。）

4. 后面就是针对项目细节的聊天了，主要是给面试官讲懂，比如评价指标了，比如有些处理为什么要这么处理。。。

还纠正了一些问题， f1值是否合适，明明准确率就可以了。。。 一般用于在线或者离线的区别。。

意图匹配， 意图是自己定义的，还是？？？ 说用词不当。。。

编程题

有点出乎我意料，一反常态，并不是leetcode编程题这种。。

1. 自己实现 Jaccard相似度计算（输入两个字符串，输出相似度值）
   我已经忘了Jaccard，还要自己实现这个算法。。。头一次见这种题。。

2. 自己实现self-attention。。
   这个题目更硬核，之前面试也就简单聊聊是啥，现在让自己手写了，支付宝就是牛逼。。下次会不会让手写transformer。。

百度

百度 - 知识图谱

一面

介绍项目环节

1. 大部分时间都在自己讲项目，
2. 会问项目应用背景， 项目的评估指标，实际使用效果。

出题环节

1. 在特定文本领域内比如医疗，设计该领域内的分词、词性标注等任务的解决方案， 主要是回答用到的模型，尤其是最新的模型（我回答的有点偏，讲的通用训练好的语言模型，在该领域数据集上预训练的思路， 不过也提了一些seq2seq模型。
2. 聊了bert，bert的两大任务的具体内容。。 预测下一句任务无效的问题，交谈了很久，在一些任务上，预测下一句为什么无效，如何解释无效。。
3. 编程题， 一堆日志（记录的字段有：时间，登陆/登出），是无序的，输入一个时间点，输出该时间点内的在线用户。
   （对方说O（n）就行，我的思路就：遍历，根据登陆登出和时间点比较，来+1 -1， 结果对方说那多次操作时，是不是每次都要遍历一遍， 那就要考虑对所有日志设计存储结构。。提高大规模读取效率。。）
4. 100层楼，2个鸡蛋，什么情况正好落地上摔碎 （一脸蒙蔽，不知所云，面试官说是经典的计算题问题。 我从物理题角度分析，力学，速度，距离等，通过正好二字，归为临界问题来解答，好像被否定了。。。）

本次面试总结

项目上问的很少，面试官可能觉得我准备的很熟了，不想多问，也可能面试官对我的项目不感兴趣。 对于简历上项目，面试官主要是问一些不太了解的点，比如评估指标为什么这么评估，项目的应用场景和应用效果如何，别的没有多问，也可能面试官急着下班，不想多问。。。这一块表现其实还不错。。。没有 让面试官失望的地方。。

针对，后面连问的好几个开放性问题，因为问题过于开放，面试官说随便回答，所以回答的有点不着边际，没说到面试官想要的点。
反思：
1）针对这种问题，首先要和面试官对齐，充分把问题背景和问题输入输出了解到位，再去想思路和解答。。（这个是必备的工作技能，一定要沟通到位，再去做事，要不耻下问）
2）揣摩出题人意图，这种就需要多积攒面试经验了。。（反正要回答的点，肯定是要展示一些比较常规的知识点）。。
3）个人知识储备，针对开放问题，要多刷面经，或者看相关书籍。。。

百度-商业推荐-广告部门

一面

该部门主要是做广告算法的，属于百度凤巢。

我在简历里增加了搭建搜索引擎的经历，以及腾讯广告算法的经历， 但是，好像对方不太care这些经历，讲了一半广告算法中如何提特征的经历，然后就被停掉，开始做编程题了。

1. 编程题： （被要求用C++）
（1）在一个数组中，找到任意三个值，组成三角形的周长最大。
这个题做得还不错， 思路很清晰，先排序，然后从头开始遍历连续的三个元素值，（只要后两个值大于第一个值即可）

（2）找到第n个丑数（丑数是指质因数中只包含2，3，5的数），第一个丑数是1，第二个是2，第三个是3，第四个是5。
递归，动态规划的思路，当前丑数的递推关系：
f(n) = min(f(index2)*2, f(index3)*3, f(index5)*5)， 下一个数从某个index中取到的，该index则+1。

两道题的过程表现还不错，思路和C++代码的书写，面试官对这个过程还是比较重视，即使后面一些项目和相关算法的问答环节没回答上来，做题过程的好表现还是给面试官留下了不错的印象。

2. 后面就聊关于算法方向知识。
（1）广告系统如何冷启动，打破这个不好的状态。
我回答了推送当前热门， 根据用户性别、所在地， 关系链来推送， 面试官说回答的太宽泛。 （这个需要学习了解下。。）

（2）让我聊聊attention。
我回答了attention的背景，计算方法，self-attention，multi-head attention， 还提到了transformer（纯attention）， bert等等， 哈哈，我回答的好像有点太远了。。。

问了transformer中的结构细节， 比如为什么会有add模块，（

（3）数据穿越：没怎么听过这个概念，我理解的是数据或者特征处理不当，没有做到真正隔离，而导致验证测试集中包含训练集，验证测试结果不够准确的现象。。

mask问题，然后就仔细回答了bert中的mask以及在其它项目中用到的mask。。

（4）数据类别不均衡问题。
在广告算法中如何处理不均衡问题，针对正例数据的话，正例很少的话，如何处理正例。

说实际工作中不太会让自己搭建DeepFFM这种广告模型，现在都很成熟了，数据量很大的情况下，模型并且现在越来越深，一般不太会在模型上下功夫。

往往会在触发端下功夫。。

后面继续努力的点：
（1）继续多刷题，提升解题能力和编程能力，用C++吧，哈哈，不要再用python了，好像会显得比较low。。。（面试官说的。。主要是解题思路，以及基本的算法思路和逻辑要能写出来）
（2）好好看看nlp的模型，一些nlp问题的处理思路，比如：self-attention、multi-head attention， transformer， bert，
（3）熟悉下整个广告系统的架构，nlp技术主要用在触发端，了解思考自身的nlp技术如何更好的用于广告系统。。。

二面

面试过程中网络不太好，面试官下线了两次，尴尬的要死。。

项目和专业知识：

聊了聊腾讯广告算法比赛，问了问自己对广告算法的理解。。

lightgbm原理， gbdt原理， 为啥lgb可以做特征选择。。。 lgb的直方图是用来干啥的。。 gbdt的优势是啥。。。 （好久没被问过这些问题了，忽然有点懵逼。。不过好像凭印象回答的还差不多。。）

聊了聊天池 网络文本识别的比赛， 详细描述了数据增强过程， 模型架构，为啥要这么设计。。（该过程有点口误，嘴贱多提了一些东西，被问到了，哈哈， 又问了下防止过拟合。。真的是不能乱说话。。）

编程题

1. 长度为n的字符串中选m个的组合，打印所有组合情况。。
   （动态规划问题，子问题中选m-1个），

字节跳动

头条部门-NLP

一面

编程题 2道

1）输入num，输出括号对的所有组合情况。输入2，输出：(()), ()() （排列组合题没有怎么练过，所以这道题是跪的， 但是知道大概思路，面试官给我说思路了，但是，代码还是没写出来。。。挺尴尬的，，，）写不出来。。 所以需要多练习） （正确思路，用递归）
2) 顺时针打印矩阵，（这个题做过，思路知道，代码也能写出来，没花多少时间，就是下标处理没处理好，现场调试了会，， 面试官可能只需要思路和写出个大概逻辑就行。面试官对这个还是比较满意。。）

针对编程环节， 反思：还是要多练习题目，不同类型的题目都要顾及到，知道统一的思路，， 对于每个题目，不要求写出来完全正确，但是思路+初步的代码实现能做到的话，应付字节面试应该就可以了。。

聊项目环节

就讲了一个项目， 侧重于讲模型结构， 比如：多模态中语音和文本是如何融合的，具体结构是什么，

开放环节

1 ）图像和文本的融合简单设计一下， 针对分类场景。。 如何提特征，用什么模型。。
图片个数都不统一的情况下，如何处理。。

2）attention，self attention， 如何计算的，权重系数如何求出的。。

3）深入了解了bert，， 和elmo的区别。。。只知道目标函数。。 bert的最新信息，变种！！！（目前不怎么做nlp了，没有继续跟进，唉。。。）

最后跪在了bert的结构不熟悉。。说错了具体结构。。

综上所述， 面试不算难。。。 编程题不难，问的问题也都很基础。。 但是，

1）自身需要多刷题，题目不难但是自己做不出来就挺尴尬的（做到有思路+可以简单写出来大体代码）。。
2）bert！！！！ bert的所有信息都要知道！！！ 最近的变种也要都知道！！！ 必问！！！！
3）attention！！！！！所有attention的详细信息都要知道！！！必问！！！

二面 - 电商平台

1. 项目介绍

1）针对自动化问句分析引擎，聊得很多，比较关注召回率。匹配模型，分类模型，WMD介绍下，主要把项目细节给面试官讲清楚即可。以为进一步优化时，如何优化。

2）超话下众多的文章，如何判断是否和话题相关。。 如何建模，是否要利用上话题信息， 话题信息和文章信息不对称如何解决。。

3）是否关注最新的模型，bert介绍。。

2. 编程题

这次的题还算简单，都有思路，也都手撕代码了，写的还差不多。。
1）递增序列中，o(n)找出和为k的两个数。。
思路就是双指针，和k判断大小，然后移动指针即可，双指针题做多了就很简单。。

2）找出连通块个数。。。 （类似朋友圈问题。。）
模仿朋友圈问题，讲了思路，思路其实差不多，就dfs深搜。。
代码也写了差不多，但是，可能代码不太完善。。。

（其实，在整个面试过程中，综合多次面试的感受，对于新问题，面试官比较关注我的思路（思维逻辑）； 对于最新的技术进展，是否都有关注（知识的广度）；反而对基础知识问的很少，不像校招时还要手推公式，现在只需要说思路就行。。

所以，针对社招，一方面要继续刷题，保证来一道题都能有思路；第二，要多了解领域内的最新进展，以及多实践，从实践中锻炼自己解决问题的能力。。。

快手

基础平台研发部

一面

整个过程持续了一个小时10分钟左右。
项目聊了四十多分钟。。

1. 项目：正好是跟面试官对口的项目，所以问的比较细，没有问某个详细的技术细节，只是问了大概的方案设计，用了啥，为什么这么用，和现有的区别在哪。

2. 编程题：小朋友分糖果个数-进阶版。。

总结：对自己项目的细节，要理的更清楚。。。