节前，我们星球组织了一场算法岗技术&面试讨论会，邀请了一些互联网大厂朋友、参加社招和校招面试的同学，针对算法类的技术趋势、大模型落地项目经验分享、新手如何入门算法岗、该如何准备、面试常考点分享等热门话题进行了深入的讨论。
汇总合集：《大模型面试宝典》(2024版) 发布！
上周我们星球上一位小伙伴跟我聊天，跟我分享了他面试滴滴机器学习算法岗的面经。喜欢本文记得收藏、关注、点赞。
让他惊讶的是，面试官居然问他是否使用大模型、如何让大模型提升自己的工作效率、大模型的微调、量化等问题，直言不会大模型相关内容，让自己的优势立马消失了。
一面
对着项目问的比较多
- 线性回归的假设条件是什么
- 介绍lstm，transformer这些
- transformer相比于seq2seq，它的增量点在什么地方
- 因果推断和（事件发生前拟合一个模型，使用这个模型对事件发生后进行预测从而得到效应），增量在什么地方，有哪些本质上的区别（跟我的项目相关）
- 对于销量预测模型，你有什么思路；怎么进行模型选型；如果没有其他特征，只有按时间变化的销量，可以怎么预测？
- 一个人投篮的命中率是60%，是投10次至少命中7次的概率大，还是投100次至少命中70次的概率大（大数定律）
- 手撕：两个椭圆x2+y2/2=1,x2/2+y2=1，求这两个椭圆相交部分的面积（蒙特卡洛模拟，好像还可以使用极坐标直接求解，忘了）
比较注重数理（可能也是因为我是数理出身）
二面
- 50个黑球和50个白球，分别放进两个框，怎么放置，可以让一个人拿到白球的概率最大
- 一个细胞的生命有三个小时，每个小时都会分裂一次，到T时刻会有多少细胞呢？
- 希望在算法岗从事什么样子的工作
- 技术栈有哪些
- 是否了解大模型？
- 大模型灾难遗忘怎么解决
- 是否了解微调、量化？
- 大模型应用场景是什么？
- Pytorch 框架是否熟悉？
三面
- 问对深度学习那块比较熟，回答时序预测，问有无读过现在的SOAT方法，回答无（没读过啥paper）
- 什么样的embedding是好的embeding，怎么评估
- 选择unieval模型是怎么做的模型选型
- 拿到一个新方向是怎么调研的，怎么去找论文的
- 介绍transformer，每个encoder的结构是什么
- 介绍self-attention
- 怎么理解q，k，v
- 可以使用同一个W_q和W_k吗
- 为什么q×k之后要scale，d 是什么
- 时空图（论文，但是别人做的这part，自己不太了解了）
- 手撕：打家劫舍
（偏重对算法的理解，和项目实现上的一些细节）
一二面反馈非常快，5分钟就会有下一面的反馈，三面无了，可能自己没过
攒人品攒人品攒人品！许愿许愿许愿！
技术交流
独学而无优则孤陋而寡闻，技术要学会交流、分享，不建议闭门造车。
建立了技术交流与面试交流群，面试真题、答案获取，均可加交流群获取，群友已超过2000人，添加时最好的备注方式为：来源+兴趣方向，方便找到志同道合的朋友。
方式①、微信搜索公众号：Python学习与数据挖掘，后台回复：加群
方式②、添加微信号：dkl88194，备注：加群
文章精选
- 滴滴风控机器学习算法岗面试题8道(含答案解析)
- 美团营销机器学习算法岗(实习)面试题9道(含答案解析)
- 面了滴滴的数据分析师（实习），几道面试题都是原题啊
- 面试必备！机器学习常用十大算法的优缺点！
- 25道机器学习面试问题（附答案）
- 5个必考的大厂SQL面试题
- 一文解决样本不均衡
- 10 大经典排序算法 Python 版实现
- 实战案例：时间序列预测代码模板(单变量、多元、多步、多元多步)
- 实战案例：基于fasttext embedding + lightgbm 垃圾短信识别
- 实战案例：构建基于 DSSM 双塔模型的电影推荐系统
- 实战案例：构建基于 Transformer 建立时间序列预测模型（附完整代码）
- 实战案例：基于LSTM的四种方法进行电影评论情感分类预测
- 实战案例：基于LSTM的国际航空公司乘客预测
- 实战案例：基于电商销售数据的 RFM 模型构建
- 实战案例：一文详解数据分析经典模型RFM
- 实战案例：基于孤立森林的信用卡欺诈检测
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
