面经——腾讯、华为、cvte、京东、头条

很多问题不记得了 依稀的记忆如下

腾讯——基础研究（机器学习算法岗）

2018.4.11 一面

1、介绍一下梯度下降、梯度消失->怎么解决->（resnet、LSTM）

2、怎么防止过拟合->正则化->介绍L1（稀疏）、L2（平滑）

3、样本不平衡怎么处理

4、介绍一下XGBOOST、GBDT

5、场景题：给定8亿的WiFi数据（特征：接入时间、mac地址、类型（公共、家庭）、型号、名称......）和6千万的实体（特征：属性（酒店、商场、学校......）、userID......），怎么把他们关联起来?

思路：

1）首先应该注意到两个信息的量级差的很大，故第一步应该缩小范围，主要根据WiFi类型&实体接入的userID，划分公共WiFi&私人WiFi；

2）关联时间可以细化；eg:如现在已经判定是学校的WiFi，那么怎么关联到是教学楼的WiFi还是食堂的WiFi还是寝室，可以根据时间流的接入峰值来判断，食堂WiFi的接入时间多在饭点时刻；

3）WiFi名字的统一；如SYSU、中山大学、zhongshandaxue,都表示同一实体，可以用word2vec统一

2018.4.13 二面

面试官看我的简历看了1min,也没让自我介绍，然后说现在学生做的东西都很像啊，什么5层CNN，设置滤波器，用caffe或者TensorFlow啊，然后项目的东西一点没问，机器学习算法也没问，也不手撕代码，介绍场景题就介绍了10min~

场景题：

背景：面试官给了我他手机看，有个传感APP，有加速度，角速度，重力加速度......可以反映手机触碰、移动等情况下的变化；

应用：反作弊；黑厂会利用机器同时操控n台手机，完成注册，可能会刷单或者转发消息......

需要解决的问题：step1.如何区分黑厂和正常用户；step2.如何区分边界值，及实际场景中很多黑厂的传感器数据和正常用户差不多，分布情况极为相似，怎么准确区分这部分数据？

Hint：1、无监督问题；2、解决思路：如何区分数据；评价指标

2018.4.13 加面

告知技术已经招满了，面试官觉得我技术基础扎实，沟通能力较好，推荐到了大数据产品经理。全程聊技术，不过更侧重问如何想到解决思路，基于业务怎么获取特征.......

2018.4.14 hr面

其实是比较轻松地聊天，但临时提前面试，加之痛经，面到中途还去厕所吐了，和男面试官只能说是晕车，好尴尬......

华为——算法岗

2018.4.12 一面-二面

主要聊科研项目，一面面试官是2012实验室的，针对项目还是问了一下key point；二面面试官是海思的，搞芯片的吧，没问太多

CVTE——视觉计算

2018.4.12 一面

没有腾讯那么自我，首先让自我介绍，然后介绍科研项目；

问了机器学习算法（反正都是常规的问题）：

1、RF、XGBOOST

2、L1、L2

断篇了。。。

2018.4.12 二面

1、项目介绍，主要说了GAN

2、L1正则是不是总是稀疏的

3、怎么求矩形图像内的像素和（积分图法）

2018.4.12 hr面

问的特别细致

京东——算法岗（远程面试）

2018.4.13 一面

1、pooling的作用

2、介绍一下lr

3、CNN有哪些功能层->BN的作用

4、怎么优化函数

介绍项目

手撕代码：

1、树的层次遍历；

2、带权重的树，从根节点到叶子节点，求最小路径和；

3、两有序链表的合并；

2018.4.17-二面

把话语权都丢给了你，先介绍自己，大概刚睡醒也没怎么复习，以为会被问很多，结果一上来什么都不问，有些懵逼，自我介绍->项目介绍->比赛介绍；

1、会不会分布式的数据处理？（知道spark、Hadoop这些工具，没有用过，感觉和面试官的部门不match）

2、介绍一下RF

3、介绍一下传统机器学习中的分类、聚类方法；

头条——算法岗（远程面试）

 一面

手撕代码：

1、写一个排序算法

2、单链表的打印

3、单链表的反转

机器学习算法：

1、线性回归；

2、场景题，怎么用线性回归解决

二面

项目介绍

1、XGBOOST怎么分裂结点（自定义的增益）；

2、XGBOOST可不可以实现分布式->怎么实现；

3、XGBOOST特征筛选时的输入输出；

4、MLE、MAP的区别于联系

手撕代码：

5层CNN，在BP时倒数第一层和倒数第二层的参数更新