【腾讯、阿里、字节等】面经第一弹来袭，赶快点赞收藏吧QAQ！！！

腾讯（一面）（asir）

岗位：机器学习、数据挖掘算法实习生

1、 项目经历介绍

2、 比赛经历介绍，挑一个自己觉得做的好的比赛详细介绍，主要问到使用的方法，与前几名的差距，有没有思考进一步的优化等

3、机器学习的基础知识：

    - 决策树的分裂原则

    - 逻辑回归公式推导

    - SVM是如何优化的

    - gbdt与xgboost的区别，要写xgb的推导公式

    - xgboost与lightgbm的区别，说出三点，详细解释其中一点。

4、深度学习的基础知识：

    - lstm与rnn的区别，是否完全解决了rnn的问题

    - transformer与lstm的区别，与cnn的区别

    - self-attention有了解吗？能否把公式写一下？

    - 有没有看过resnest，了解它做了哪些改进吗？

5、算法题：当时没有问我算法题（很幸运）。

注：后面的三面都与一面差不多，主要还问了抗压能力，适应能力，其中一个还问了一道智商题，具体是什么忘记了，但是这种题腾讯是会问的！！！

 

阿里（一面）（asir）

岗位：保险技术部的算法工程师-机器学习职位

1、 项目经历介绍

2、比赛经历介绍，挑一个自己觉得做的好的比赛详细介绍，主要问了模型为什么要这样设计，问了跟前几名的差距，以及觉得自己的不足之处在哪里。

3、机器学习基础知识

    - gbdt和rf的区别

4、深度学习基础知识：

    - transformer与lstm的区别，与cnn的区别

    - transformer为什么要用位置编码？有什么实际意义？

    - self-attention介绍一下

5、算法题：一道区间合并的题，给定一列无序的区间，然后将其中能够合并的区间合并起来。

注：悲剧以后，又被别的部门捞了起来，但是没有问基础知识，直接做了一道算法题，题目就是给定一个字符串将其中的数字转换成int类型。类似于写一个StrToInt函数。

 

腾讯（WintoMT）

岗位：技术研究-机器学习

1、开放题：在样本比较少的情况下，你怎么向别人说明我们构建模型的是好的？

2、大数据定律是什么？

3、概率和似然的区别

4、focalloss是什么？

5、知道那些处理类别不平衡的方法？

6、特征筛选有哪些方法？

7、lstm的原理

8、lstm与GRU的区别

9、算法题：无重复字符的最长子串、快排

注：目前已收到offer，面试官人很好，不懂了会提醒指点；机器学习和统计学的基础要牢固，腾讯对基础知识的认识考察的还是比较多的，算法题难度中等，会给予一定的帮助。

 

字节tiktok海外版

岗位：算法岗

一面

1、word2vec两个模型的损失函数是什么cbow和skipgram的比较，为什么skipgram会更好，哪个的计算复杂度高

2、开放性问题：在视频推荐这个领域能不能用上embedding的思想，如果可以，要怎么构建和训练模型

3、手撕代码一个是二分查找，很简单的一个是给定一个数组，输出所有他的全排列组合，leetcode原题 permutation然后小哥让我回去安静等消息，一度以为我凉了，过来一周问了hr有二面字节

 

二面

1、解释一下过拟合和欠拟合，怎么发现过拟合问题，怎么解决过拟合

2、你说到正则化问题，正则化有哪几种方式

3、正则化这两种方式的区别和公式分别是什么

4、你说l1会使得特征系数稀疏化，为什么呢（岭回归和lasso回归的区别）

5、你说到lasso回归有特征选择的作用， 有哪些特征选择的方式

6、有哪些常用的降维方式

手撕代码

1、判断链表有没有环；判断链表的环的起点

2、给定n个区间[a,b], 找到最小的区间[x,y]，使得 n个区间都至少包含一个数落在这个[x,y]中

 

三面

1、讲讲你最熟悉或者最拿手的一个项目1. 这个面试官挺有批判精神的，他会指出你这个项目中的实验设置的不足， 比如你词向量的优劣如果用情感分析的结果来进行评估的话，情感分析这个任务的选择合适吗，为什么？用lstm模型来评估两个词向量的优劣时，调参怎么调才合理？

2、词向量的训练原理和参数更新的细节3. 词向量怎么用到神经网络里面

手撕代码

1、两个有序数组的中位数（不要用O(N)的暴力算法，要用二分的思想）

2、找出一个正整数数组中，没出现过的最小的正整数（不能先排序，要用比排序时间复杂度更优的方法）

 

快手

岗位：数分岗

一面

1、 自我介绍，深挖之前实习经历，因为之前在某快消做数分，问复购的归因是如何做的？（给我一个新的场景 去下钻影响新老客购买率因素）欠品预测建模用到了什么自变量，lightgbm模型效果如何？

2、提出场景问题，如果日活跃用户量下降了，如何从数据找到原因？

    - 数据的准确性以及是否存在异常

    - 下降的维度是随时间下降，还是跟别人的差距变大了

    - 从几个常见维度拆分：按照新老用户的拆分；登入平台的的拆分，比如：IOS、安卓；按照APP版本进行拆分；按照登录渠道的拆分，比如APP、小程序；按照区域的拆分，比如：国家、省份；）

两道SQL题：

 

二面

自我介绍，我简历中有写用图模型做商品关联分析，面试官问如何应用的？然后就是各种深挖简历，问模型效果如何，用的什么模型评价标准。

记不清了，好像又问了一些业务问题，然后问了下之后想要的职业发展方向，以及给我了一些建议。

快手推进挺快的，所有流程都在一周内走完。

 

相关阅读推荐

【微软、百度、360等】招聘信息汇总！

【腾讯、QQ音乐、蚂蚁、华为等】又一波大厂招聘信息来袭，赶快收藏起来投送自己的简历吧！

 

欢迎关注我们的公众号：ChallengeHub，添加助手微信加入微信交流群或者QQ交流群：