面了字节跳动的数据挖掘岗，感觉真的很难。。。

节前，我们社群组织了一场技术&面试讨论会，邀请了一些互联网大厂同学、参加社招和校招面试的同学，针对新手如何入门机器学习算法、该如何备战、面试常考点分享等热门话题进行了深入的讨论。

基于社群的讨论，今天我整理了一个同学的面试题，分享给大家，希望对后续找工作的有所帮助。喜欢记得点赞、收藏、关注。更多技术交流&面经学习，可以文末加入我们交流群。

一面 40min

• 【编程题】

  有两种数据，分别是被转发的用户和转发的用户，求原视频的用户以及转发的最长深度

  from：1，1，2，2，3，6
  to：2，3，4，5，6，7

  面试官提示转换成树的结构，我写了求树的最大深度的函数，面试官说构造树比较复杂，差不多写这样可以。

• 【SQL题】

  有一张网页访问日志表，记录了user_id，session_id，page_id，timestamp

  用户在每点击一个连接跳转，就会记录一个时间戳，并且page_id排序后与时间戳的排序一致，现要求每个用户的每个页面所停留的时间。
  比如：
  1 1 1 10:00 1 1 3 12:00
  面试官看了后说差不多是这样，但要考虑一个边界的问题，最后一个page_id之类的 （请问这个怎么处理？

• HiveSQL底层是怎么实现的？比如两张表Join的时候会有哪些操作？需要shuffle这一步吗？

• mapReduce为什么需要Shuffle这一步

二面 40min

• TCP四次挥手过程中，time_wait字段的作用？

• 进程和线程的区别

• 有一个文件，每一行是一个数字，如何用 MapReduce 进行排序

• 【编程题】n=3 时的全排列

• 【编程题】二叉树的序列化和反序列化

• Hive 中的 Distribute by

• Partition By

三面 ～2h

三面的时候网真的好差，中间网络断了很多次，重新发起了4、5次视频面试，最后还是打电话了

• 【编程题】在一棵二叉排序树中，找到比给定数值小的最大节点。

• 【场景题】打车的场景下，poi记录了建筑物的坐标：poi(pid, x, y)，odr记录的是乘客上车点的坐标：odr(oid, x, y)；希望对所有的poi，获得其周围的100m的odr：结果(pid, oid)

  我开始用的是欧式距离的暴力求解，面试官让我提出优化的方案，我说可以计算出每个坐标点的geohash值，相等的值说明可以建立映射关系，面试官说geohash存在的一个问题是可能会出现两个相邻100m之内的点各自的geohash不同，这时怎么解决？

• 【SQL题】有两张表：文章分类表artical_cate（aid, cate）一个文章可能有多种类型; 用户阅读表user_read(uid, aid)，一个用户可能阅读多篇文章。

• 详细问了实习的项目，涉及到业务背景，有哪些特征，整体流程和方法，问到了基于现在这个版本我会怎么继续优化？

总结
编程基础仍然是关键，结合业务场景的问题更需要拓展思路，平时还要多独立思考。
三面由于一道题没做出来，面的不太好，回绝后隔了一段时间后捞我加面

加面 45min

• 自我介绍

• 介绍公司实习的项目，准确率和召回率怎么得到的，提升后达到了多少

• 二分类问题除了准确率和召回率还有什么别的指标？ROC曲线怎么绘制的

• 训练集效果很好，但在新的样本上效果不好是什么原因导致的？你用Xgboost训练时怎么解决这个问题

• 项目中运用MR任务来提高效率是怎么实现的？MapReduce的具体流程是怎么样的？

• 描述一下在count操作的MR过程

• 写一个SQL题，考察分组聚合、分区排序等

• 【编程题】给定一个包含非负整数的数组，你的任务是统计其中可以组成三角形三条边的三元组个数。

• 场景题：如何预测抖音明天的流量

• 开放题：如何估计一个湖里鱼的数量？你说的方法可能会出现什么问题

• 操作系统：32位操作系统的内存

• 数据结构：知道哪些排序算法？归并排序在任何适合空间复杂度都可以达到O(n)吗

五面 20min

聊天面，问能不能来提前实习，毕业论文，是否有别的offer，导师实验室是否自由等问题

技术交流

独学而无优则孤陋而寡闻，技术要学会交流、分享，不建议闭门造车。

建立了机器学习算法岗技术与面试交流群，面试真题、答案获取，均可加交流群获取，群友已超过2000人，添加时最好的备注方式为：来源+兴趣方向，方便找到志同道合的朋友。

方式①、微信搜索公众号：Python学习与数据挖掘，后台回复：交流
方式②、添加微信号：dkl88194，备注：交流

资料

我们打造了《数据分析算法实战案例宝典》，特点：从0到1轻松学习，方法论及原理、代码、案例应有尽有，所有案例都是按照这样的节奏进行表述。