面试经历记录~

奇虎360 牛客SP专场

6.23投递

笔试 7.3下午

7.4 24:00前完成即可

一面 2021-0709 16:45 40min

使用的牛客视频面试，这个部门做nlp的好像。。。好多问题人家都没法问，问了我也不会哈哈哈，感觉可能会因为不match给我拒掉。第一次记录，稍微多吐槽点东西

1. 自我介绍
   自我介绍这块还是没太把握好详细程度，在介绍毕设和项目的时候有点太细致了，人家让我说的粗略点，我就把大概干了什么，有啥成果给人家说了一遍，感觉人家至少是听了个七七八八
   可能因为跟人家都不怎么相关，也就都没细问毕设和项目的细节。。就挑着我用到的一些模型啊之类的问了问
2. 编程题
   这块儿算是问了我四个题吧大概，老哥出题很逗，逻辑上有点连续性，在诱导我
   （1）剑指offer 24. 反转链表
   说实在的还是又思考了一会儿，写的时候基本凭记忆，最后写完停顿了一会儿看看有没有问题，然后我说可以了。面试官挺逗，“你这好像有点问题，可以先提交一下试试”，然后提交，过了。。。。。。大哥尴尬了一下，自己写写画画说行吧。
   然后他说你算法是不是还挺好，我说稍微有些准备。
   （2） （改） HOT100 2. 两数相加
   这个题吧，没从牛客题库里调出来，我就觉得奇怪。
   题目是这样的，两个链表，每个节点存了一位数字，头结点放的是最高位，然后给这俩链表加起来返回加法结果。
   其实看着没啥，我说我拿草稿写一下。。结果一看，不大对啊，头结点怎么放最高位啊，我就跟面试官说，那这不太行啊，不能直接头结点相加，我得给先【反转链表】吧。老哥乐了，说行，这题就过了吧。
   他自己改题了。。。怪不得没从题库调。。。
   在问我下一题之前问我对排序了解吗，我说还行。之前好像还问了个什么，我好像不太知道，就没问
   （3）HOT100 15. 三数之和
   这题我想了半天。。人家问你有思路吗，我说有，就是不知道是不是合理（最优）
   他说那你讲讲吧
   那先说最简单的就是a，b两个遍历一下，先把数组放个set里，然后两重遍历，看c在不在set里就行了。
   然后优化一点的话我想的是a和b从两头往中间走，这样可能好一些，大哥说可以了，然后就无了。。
   （4）HOT100 121. 买卖股票的最佳时机
   HOT100就很久以前做了一两遍，印象不深。。这题我一开始想用dp，后来发现不需要。。然后又问了一下是写代码还是说思路，大哥说写一下代码吧，我先写的dp，写到后面关键部分求每个位置之前的最小值了，大哥知道我会就说那你讲讲思路吧，我说了一下，然后说似乎不用dp存这个数组，大哥说可以，就结束了。
   然后开始问技术
3. 线性回归的形式，怎么拟合，然后求解方法，我说直接求梯度然后求解就可以了，大哥说那这样有啥问题吗
   我懵了。。。这样有啥问题？？？（哦是不是想让我说最小二乘法啊。。。他理解是我直接连立方程组求解了吧。。。。。这样好像确实说得通哈哈哈）
4. LR和线性回归的区别，为什么用sigmoid
   我直接就说伯努利分部指数簇那些复杂回答了。。。刚说没两句，大哥懵了。。。。不知道啥是伯努利。。。。得我寻思后面他也不知道了呗，我就说sigmoid输出0-1，对于这个二分类比较合适啥啥啥的。。。然后又给手推了一遍ln（y/1-y）这个公式，写了一下sigmoid的公式
   （当初面阿里我就这么回答的，然后面试官说不够，问我知不知道指数簇。。。。。。天道好轮回）
5. LR损失函数是啥，怎么求解
   我说对数损失函数，他好像很疑惑，我又说求对数之后算极大似然。。。然后梯度下降牛顿法啥的
6. RNN、LSTM
   看我用到了就问了问，介绍RNN，然后为什么梯度消失爆炸，怎么解决
   LSTM是什么，怎么改进，三个门都是干啥的，怎么起作用，基本上等于是说了一下LSTM全套公式都干了啥，信息怎么传递的
   然后想问我nlp相关的问题，LSTM怎么做语句分类，我在思考的时候他以为我不会就问我在项目里怎么用了。后来还问了Transformer啥的，我说我简历后来改了，没太了解，他就没问了
7. 问我Spark会不会，原理啥的，还有flink
   我就说只会用一点，但是都忘差不多了。。。让我说用过几个算子，我说reduce、maptopair、flatxxxx什么的，反正就不咋行
8. 还问了一下移动项目数据预处理干了啥都，大概说了说数据质量不行、存在一些问题，要给解决
9. 反问
   可能还有点其他的问题。。反正nlp相关的都不会，他也没纠结，其他的差不多就胡诌，大哥看差不多就结束了，反问我就问了一下是不是项目做nlp，他说是，不过也没太多说，我一时间也没太想好反问啥，就结束了。

二面 2021-0716 15:25-16:00 35min

这位面试官很有趣，不问技术，就问一些抽象的问题，考察思维方式。。。

1. 说说自己擅长什么不擅长什么
   我说我擅长解决问题运用知识，不擅长写文档。。。
2. 问我虎门大桥项目里面我负责的什么部分的代码
   还说了一下感觉我们应该很容易出去实习，没实习有点可惜
   我说实验室项目质量够，而且实验室不允许出去实习 （尬
3. 说说同学眼里对自己的评价（自吹自擂）
4. 对未来的规划是什么
   我说我喜欢提前收集信息做些准备啥的。。未来积累技术（不敢说去大厂跳槽啊）
   补充：感觉这方面没做好准备回答，当时有点踩雷了，要引以为戒，提前准备一下类似问题了！
5. 反问
   我问怎么不问技术。。。
   部门干啥的，说是搜索下面的二级部门啥的

好像没啥了。。。反正一共就没多会儿，我还一直在看时间等着问我技术或者算法 - -
有点神奇

三面 2021-0818 16:10-16:40 30min

hr面，今天网太差了。。。断了两次，就改用4G了，不过一开始hr也鸽了我半个小时。。。从15:45推迟到16:00，结果16:10才来才开始

1. 自我介绍
   1. 毕设
   2. 项目
2. 讲了前两个就不让继续讲了，问作为负责人遇到过什么困难问题
3. 有什么offer，在面其他的么
4. 怎么看待360和其他厂，职业规划
5. 反问
   1. 新人培养体系
   2. 工作压力怎么样：在中大厂里算比较小的（我说那挺好，我还比较在意）
   3. 部门分了么：就前面面试官就是部门同事了
6. 感想
   感觉在问和其他大厂比较的时候还挺难回答的。。。不知道面试官会不会因为我还在面其他的就给我挂了 = =

百度 提前批

官网内推 7.12 投递 7.13被捞，进入面试流程 7.15通知7.16面试

一面 2021-0716 10:00-11:10 70min

使用百度的面试平台 如流，视频+桌面共享

1. 介绍
   1. 介绍毕设
      算是稍微问了问一些处理数据的问题，对具体模型实现不太关心。。
   2. 介绍中移动
      面试官好像很关注算法有没有落地，我说那这样的话我再介绍一下虎门大桥
   3. 介绍虎门大桥
      说落地了，人家采取了定价策略，并且流量符合预估，也有挑战杯拿奖
2. 问LR，让介绍一下，然后问LR适用于什么类型或者特征的数据（可能应该答高维稀疏吧，这个没太get到点，胡诌了一大堆）
3. 问机器学习这些还有哪些用过熟悉的，我说XGBoost我用过当basline，来给你讲讲
   然后我就把我知道的包括和GBDT的对比，然后到列采样、分位数法（全局、局部分箱、分位数加权分位数）、计算增益公式什么的都说了
   问我缺失值怎么处理，能不能并行计算，我说分裂时候层内特征间可以，层间不行，得串行，树与树之间呢，肯定不行，boosting都是串行的。
   问黑白样本不平衡问题XGBoost有啥办法，我不知道了。。。就说了调整阈值、欠采样、过采样，但不是树模型的方法
   然后问我XGBoost适合什么类型的数据。。。。又问我这个问题，我还是不会，他说你可能没怎么遇到过实际问题，就过了。
   这块说一下，这大哥对XGBoost应该是挺了解的，很深入，所以他再多问一些工程上的问题我就都不懂了，我俩也达成共识，我就知道理论，实践上还是不太行的
4. 问深度学习问题
   我说CNN、RNN都行，然后就问梯度消失爆炸的原理，怎么解决；LSTM的重点解释一下
5. 算法题（已经过去四十分钟了，才开始算法）
   1. 求两个数组的交集（可能有重复的）
      我其实不知道答案，想了想是用两个dict存数组每个数出现的次数，然后遍历a的keys看看在不在b的keys里面，然后往answer里面append min(dict_a[i], dict_b[i])这么多的i
      问我时间和空间复杂度
      O(m+n), O(m+n)
   2. 问如果数组是排序的有没有更好的解决办法
      双指针，O(m+n)
   3. 问如果a数组特别特别长，b数组特别特别短，有什么更好的办法
      想了想那就二分查找呗，复杂度我说是nlogm，他说不对你再想想，结果我也没答对，就先写代码了。最后提示我强调说b特别短，我说那就是logm，n太小了因为是渐进复杂度就算到O里面了。
   4. 最后说因为工程很重要，所以一定要问我一个spark类似的数据处理问题
      假设有很多user，很多query，一条记录是[user_i, query_k]，需要构建一个图，节点是user，边就是两个user在某个query上共同搜索的次数，所以有多少个query类型就有多少条边，边上的权重就是功公共次数
      我说应该reduceByKey，key就是query，但是我一直不知道怎么才能存成user两两之间的共同次数。后来我说重写reduceByKey在聚合时候的算法，本来相同key了之后返回的是x+y，这样对于同样的key可能所有用户就都放一起了，这样不符合要求。我就把返回的东西改了一下，存成[[u1,u2,1],[u2,u3,2],[u1,u3,1]]类似这样的结构，然后输入的时候如果x也是这种list，y是一个user，就能合并，如果两个都是个user，就返回成[[u1, u2, 1]]这样，反正大概是这意思，这个问题他虽然说时间不够了，但是抓着这个问题一直让我思考，说考察数据处理的能力。可能最后就是过了
6. 反问
   说这个组不太卷，没有什么科研要求，就是做算法落地。增长策略部门，包括业务增长和反作弊（广告流量数据之类的），然后说全百度的钱相关的数据都要经过他们来审核判断之类的，反正吹嘘一下吧。另外他问了我一下有没有offer，可能对我还算满意？感觉可能面的还行

二面 2021-0722 20:00-21:00 60min

使用百度的面试平台 如流，视频+桌面共享

1. 自我介绍
   讲到毕设，然后大概问了一下核心的创新点是什么
   后两个项目没让讲，就开始提问了
2. 线性回归的损失、逻辑回归的损失公式怎么写
3. 决策树相关，问我熟悉什么，我说XGBoost，让我说怎么做分裂的，具体是让说计算的是什么
   我就说的一阶导的平方除以二阶导加λ
4. 集成学习大概介绍一下
5. 集成学习的boosting和bagging，哪种对基学习器的要求更高
   这题我没答到点上，他问我说如果10个学习器准确率都不到40%，集成起来会不会更好？
   我说应该会，书上有公式，他也知道，但答案可能是不会更好，bagging对基学习器的要求更高，因为如果每个学习器的准确率都很高，那集成起来就会更好，反之可能会更差。
6. SVM的损失函数是什么，写出原问题和对偶问题以及只有α的那个求解出来的公式（我写pad上给他看的）
7. 问CNN，$3\times 64\times 64$的图片，用 5 × 5 5 \times 5