算法实习面试经历

2020.11大厂面试更新

距离上一次更新已经一年时间，经历了疫情期间从CV转换研究方向到推荐和自然语言处理相关的两个比赛（腾讯广告算法大赛和华为DIGIX点击率预估名次都在前排），从十一月初开始面试找相关的实习，这里做一个记录，以便以后查看总结。

我去年也被腾讯挂过两次，从小公司也是慢慢爬上来，有同学想交流的可以关注我的CSDN或者添加我的个人微信sunlanchang999交流面试笔试等经验，大家多交流一起进步，冲！

个人情况北京邮电大学硕士在读、两个竞赛拿到前排，有一段CV实习经历，一篇水文在投，总共面试了微软、腾讯、字节、京东、百度五家大厂的实习算法岗，最终拿到了微软的推荐广告算法offer、腾讯的自然语言处理算法岗offer、京东的搜索算法岗offer、百度的自然语言处理算法岗offer，字节三面跪了，最终选择了微软。接下来介绍面试过程，最后总结一下面试的经验也是最重要的收获。

总体来说面试的过程大同小异（除了微软），先介绍项目比赛，大概要四十分钟时间，最后留下20分钟时间A4纸code，远程面试的话要共享屏幕code或者在线网站code。一般大厂都有两面，一面表现好会直接二面，总共需要两个小时时间。字节有连续三面（还是比较严格的），微软更甚有四面！微软先有个一面过一天会连续三面，对项目理解和code能力要求都比较高。

面试问题总结
面试过去一周了，记不清楚每一次面试具体问什么了，我就把所有问到的问题写在这里了，当然这都是一些基本问题，中间其实有大量的开放问题，比如怎么减小Transformer时间复杂度和空间复杂度，如何准确匹配两个相同型号的产品等等，我在这里写下一部分题目，供小伙伴们参考。

• Transformer整体结构的介绍分为哪几层？这几个Transformer问题参考我这里的总结
• position embedding和word embedding为什么可以加起来，加起来的动机是什么？
• Self Attention怎么做的矩阵乘法？为什么除以根号dk？softmax是对哪个维度做的？如何做的seperate head？
• 为什么要用Layer Norm不用Batch Norm？Batch Norm是怎么做的？你还知道哪些Norm方式？
• Bagging和Boosting方式有什么区别？几个集成学习的为题参考
• XGboost、LightGBM、Catboost区别在哪里？各有什么优缺点？XGBoost和传统的GBDT有什么改进？
• XGBoost的正则项是什么？并行在哪里做的？
• TF-IDF的设计的思想是什么？公式是什么？
• word2vec的skip-gram和CBOW介绍一下，介绍负采样解决的问题，以及怎么进行负采样？word2vec ELMO GPT Bert的继承关系?参考我这个总结
• LSTM公式写一下，画出门结构看一看。参考LSTm输入输出
• 为什么用Dropout？Dropout本质是什么？
• 介绍一下Target Encoding
• 如何构造的二阶交叉特征？
• 如何判断构造的二阶交叉特征是有效的还是噪声？
• 介绍一下DeepFM、DCN、NFM，还知道其他的排序模型么？
• 如何解决的样本不平衡问题？采样比是多少？
• Focal loss要解决什么问题？如何解决的？写一下公式吧
• ROC曲线相比于PR曲线为什么能对数据不平衡更加鲁棒？
• 如何解决模型欠拟合问题？如何解决模型过拟合？
• 为什么L1使得模型更加的稀疏？用数学推导和图示两种方法解释一下。
• 介绍一下FCOS目标检测模型，如何加入的Attention机制？
• 写一下Momentum、RMSprop、AdaGrad、Adam更新公式吧