面经

###1.OPPO
职位：AI算法工程师
总体感受：面试官人很nice，OPPO这个部门目前主要做推荐系统和广告推荐的业务，自己这方面啥也不懂，面试官还很耐心的解释，需求不大，OPPO前年在成立的部门，主要关注点不在深度学习，而是机器学习，特别是特征构建和提取。
具体问题：
1.项目说一说
2.手写一个代码：一个数组中如果有两个相同的数且像个相同的数的距离小于k，则输出Yes
3.手写一个背包
4.做一堆选择题：单选：统计概率问题，数学排列组合问题，机器学习基础，C代码【指针】 多选：机器学习调参正则化等
5.手推LR，包括极大似然损失函数的推导等
6.机器学习场景题：欺诈短信检测 收集什么数据，怎么清洗，怎么提取特征构建特征，用什么模型，怎么评估，样本不均衡怎么解决
7.L1正则为什么稀疏
8.聊公司的业务，谈自己的不足

经验总结：
1.实践能力不强，多做比赛
2.想明白具体做的方向：NLP，广告推荐【互联网做的多】 计算机视觉【面试官说做的少】
3.基础手推的代码 重点放在LR，GBDT

2面：
新闻，讲自己的见解
最自豪的项目
有没有做过leader，讲一下最有成就的一件事
最艰难的事
未来三年的工作计划
你觉得你的朋友会怎么评价你
你觉得最有成就感的是什么事？
当你遇到看不惯的事情时你会怎么办？
有没有做过什么疯狂的事？
没有外界压力你是怎么做到坚持学习技术的？

###2.美团
技术一面：
1.手撕一个字符串分割
2.手撕一个map reduce数据统计
剩下都是项目相关的问题了
3.过拟合与正则化
4.决策树分割，RF，GBDT优缺点
5.GBDT推导，如何求梯度
6.LR与SVM的对比
7.LR如何分布式
8.深度学习领域的RNN与LSTM
9.各种激活函数的区别与优缺点
10.项目中用到的深度学习模型的空间和时间复杂度

技术二面：
1.手撕一个二叉树中每个路径上的数字和
2.手撕一个最长回文子序列
项目相关
3.讲一个最复杂的项目
4.推荐系统相关的知识，DeepFM与wide&deep模型的区别等，面试官建议去读原论文