腾讯NLP算法实习面经

#腾讯NLP算法岗实习面试经验
一、背景：
本人2021届计算机专业硕士，目前研一，因为学校研究生学制是两年，所以春招投递了腾讯的NLP算法实习。面试所问到的问题会与自己的研究方向相关，所以下面提到的面试官所提出的问题可以作为参考，但也有一些普适的问题可以供大家作为今后面试的经验。

二、一面（技术面）
一面采用电话面试的形式，面试官应该是一个比较年轻的前辈，交流起来很温和，总体的体验很好。
1、自我介绍
主要介绍本人的基本情况，可以说一下主要研究方向、做过什么比较突出有亮点的事情，介绍个人性格及能力部分不要长篇大论，并且要有事实依据，比如说“我的团队协作能力较强，平时在项目中会与合作的老师同学在xx方面进行合作，也取得了不错的效果，比如说xx的项目，采用了xx的合作方式，结果来看xxxx，老师与同学也这样评价：xxx”。自我介绍中有亮点是最好的，可以根据个人情况进行发挥。
2、介绍一下xx项目：
这一部分主要考察对项目的了解情况，会问十分具体的细节，包括模型的原理及其中细节，比如说self-attention公式中为何要除以根号下dk，也包括代码的实现细节，比如multi-head attention在代码中是如何实现的。总之要对简历中的项目了解的十分详细，在面试前可以准备一下可能考察的点，提前组织一下语言（面试中语言的表达是很重要的一部分，在回答问题时对问题有十分清晰、有组织的表达也是十分必要的）。
3、在xx项目中xx部分为何要做这样的改进，具体是怎样做的，效果如何：
这里我认为最需要注意的是自己对上述问题答案的表述是否清楚，因为是电话面试，所以如何在无法画结构图的情况下让面试官了解你模型的结构、改进方法是至关重要的。
4、为何要用CRF代替HMM，HMM是基于哪些假设，CRF又打破了其中的哪些假设，为什么CRF比HMM的效果要好，为什么：
HMM以及CRF是NLP岗位面试中的常客，要清楚理解二者的原理及区别，在面试官提及相关问题时能够系统的说出二者的原理及差别。在这里，viterbi算法也是常考的一个点，虽然本次面试没有具体问到，但在讲解HMM时顺便说清楚viterbi算法也是一个加分项。
5、Bagging与Boosting的原理以及差别，二者哪一个是减小variance的（Bagging），哪一个是减小bias的（Boosting）：
二者都是集成学习的方法，在这方面同样会考到GBDT以及xgboost，还有stacking等。
6、在xx项目中，是否采用了beam search的方法，简单介绍一下：
项目中没有采用beam search，之后介绍了一下beam search。
7、设计一下如何对文本中各个实体进行情感分析：
我在这之前并没有实际做过情感分析相关的工作，也向面试官表达了这件事，面试官说目的就是这个，就是看你不会才问的你哈哈。之后简要说了一下自己的思路，面试官也对我做了适当的引导。
8、有什么问题要问吗：
当时面试的部门是腾讯互娱，所以问了一下实习的具体工作，回答是会做一些海外游戏相关的知识图谱以及舆情分析（好像是，有些忘了）相关的工作。

三、二面（技术面）
二面采用视频面试的形式，开始以为会考代码，结果没有考，可能是前面的问题答的太菜了，面试持续了半个多小时就结束了。
1、介绍一下自己：
2、对传统的机器学习方法有多少了解，具体说一下svm的核函数相关的知识（并且在回答的过程中如果有不具体的地方会进行详细的追问）：
听到这道题我就感觉不好了，复习的时候太注重硬间隔SVM的推导，疏忽了这块的复习，回答的不好，很多具体的问题都没有令面试官满意，所以复习还是要抱着对自己负责的心态，千万不能有侥幸心理。
3、对word2vec了解吗，假设skipgram模型输入为10000维，输出为100维，那么参数量是多少？；在word2vec训练是用到了一些trick（负采样和层序softmax），介绍一下具体做法：
这个问题也回答的不好，看来还是基础不扎实，好多问题在学习的过程中都被我自动忽略了，到这也对本次面试有了不好的预感。
4、transformer能否用于生成embedding：
之前还真没想过这个问题，但是想到BERT的双向Transformer-Encoder的结构以及BERT能够用来生成词向量，于是就拿BERT做了一个例子来阐释transformer是能够生成词向量的。
5、transformer相比于一般的seq2seq模型做了什么改进，是如何改进的，因此产生了哪些优势：
对RNN及Transformer做了一些对比，阐述了一些Transformer的优点，面试官也具体问了产生这些优点的原因。
6、开放题：如何统计哈尔滨一天的啤酒消耗量：
听到这题的时候怀疑了一下是不是真的开放题，问了一下面试官是要设计一个网络去做估计还是真的是一个开放题，面试官也确认了是一个真的开放题。我的回答是想要统计啤酒的消耗量可以统计各个饭店的消耗量，个人的消耗量可以忽略(这个回答太年轻了，以至于面试官第三次问了我“你确定吗”），但是当时真的就是这个想法，觉得个人啤酒购买量相比于饭店真的可以忽略，之后收集了一些意见表示啤酒是一个比较贴近生活的东西，各个仓买的销售量其实也是占很大一部分的。最后我的回答是通过统计各个啤酒供货商每天的出货情况，以此为基础估计啤酒的消耗量（第二天出货量-第一天出货量约等于消耗量）。
这类的面试题还是第一次遇到，没有经验，不知道自己的回答是否get到了面试官想考察的点，也希望大家能够在评论里交流这道题面试官想考察的点以及思路，向你们学习学习！

四、总结
两面结束后感觉二面十分悬了，但是也是个十分有用的经验。让我深有体会的就是在学习的过程中，要知其然且知其所以然，不能觉得哪个点不重要或者不常用或者难以理解就忽略这个点，还是要踏踏实实把基础打牢，这才是面试成功的最优解。