BAT面试经验分享（机器学习算法岗）

https://blog.csdn.net/xwd18280820053/article/details/77529906

 

阿里：

7月份最早投的阿里（算法工程师），过了2天就收到一面通知，一面最主要的是问简历上写的内容，问基础。对简历上的项目中涉及到的所有知识点必须理清，期间面试官问了一个我简历上写的但我不是很了解的内容，结果我说不是很熟悉，面试官就说了我不熟悉的还敢往上写…

面试主要问的其他知识点：

有哪些聚类（当时我只熟悉kmeans，下来赶紧找资料https://www.zhihu.com/question/34554321）？

优化算法了解多少（批梯度下降、随机梯度下降、mini-batch梯度下降的差异，还有动量的优化算法等等http://blog.csdn.net/xwd18280820053/article/details/77529550）？

 

因为我项目里用到了很多树模型，因此问了RF、GBDT、xgBoost之间的区别（参考http://blog.csdn.net/xwd18280820053/article/details/68927422）；

项目中用过LSTM、GRU，因此问了两者的区别；

问了一个概率随机游走的问题：一个人站在原点，只能往左或者往右，每次走1个单位长度距离，问走了n次之后距离原点距离X的期望（很遗憾没答出来）；

问了个算法题（当时想偏了，这个算法是关于机器学习方面的）：上亿个数据，每个数据20个维度（也就是一个向量），给你一个数据如何快速找到和该数据最相似的前几个（kd-Tree思想）；

最后做了个在线编程，从一堆数据中找到前k个最大的数（写了个堆排序）。

 

对于大数据方面的问题可参考：http://blog.csdn.net/v_july_v/article/details/7382693

 

二面：相隔时间有三周左右，本来以为没戏了…二面是个大叔，问了项目中的FM和FFM的区别（参考http://blog.csdn.net/xwd18280820053/article/details/77529274），问的主要是项目上的，问了天池大数据比赛的一些问题，因为说了平时会关注最新技术动态，因为就叫我举个例子，刚好看过微软识花的那篇文章就好好讲了下。最后问了下工作地啥的。二面就40分钟左右。

三面：三面不是同一个部门的面试官，应该是交叉面吧，三面问机器学习相关的东西比较少，主要问基础。对hash表的理解，有哪些解决冲突的方法（分别怎么用），链地址法中对于映射到同一个地址的数，设计数据结构能够快速查找出其中的数（比如对于1,11,21,31,41,51映射到同一个key(1)，如何快速找到31），这个问题没答好，最后问面试官，他说是用树模型，叫我下来好好想想…最后问了个智力题：一瓶蓝墨水，一瓶红墨水，等量，现在从蓝墨水里舀一勺到红墨水，再从红墨水里舀一勺到蓝墨水，问蓝墨水中的红墨水与红墨水中的蓝墨水量的大小关系。

HR:hr面就是随便聊聊了，问学到最多的是哪个项目，描述整个项目等等，hr姐姐是个老乡，最后聊了20几分钟就结束了。

最后等了2个月左右终于收到意向通知了……

 

腾讯：（机器学习）因为参加了腾讯社交广告高校算法大赛，因此进入提前批内推。

一面：前后有2个面试官打电话了解，随便聊聊简历上的内容，问问数学怎么样，学过哪些数学课，成绩怎么样，再就是聊聊项目，其他没问什么。

二面：视频面试，是个部门leader，就是聊聊每个项目主要做了什么，问了下朴素贝叶斯分类器思想、应用，大部分时间全是说的项目，50分钟。

二面过后hr问人在深圳否，在就安排现场面，不在就等通知，结果过了几天回应岗位不合适…

 

百度：（算法）百度主要考察计算机基础，对底层要求较高。

 

一面：问项目中的FM与FFM的区别，针对一个做的最久的项目问的比较久，然后就是在想编程，面试官发个链接过来，直接写2个题目，第一个是判断2棵二叉树是否相同，第二个题目是有2个文件，文件太大无法将一个文件全部加载到内存，找出2个文件中相同的数。（1h左右）

二面：问数组按行、按列存储的区别，问hash表在内存中是怎么查找的（这2个没答好就没继续问了），针对一个项目问到了代价敏感学习（并没用过…），看到我项目中有用过深度学习就开始问深度学习了，看到腾讯比赛问为啥不用深度学习来做，然后就是问DNN给定结构情况下有哪些关键问题（优化算法，激活函数这2个方面）：有哪些优化算法，梯度下降怎么传播，后向、前向怎么结合（这个对后向传播机制熟练就没问题了）参考：http://mp.weixin.qq.com/s?__biz=MzA3MDg0MjgxNQ==&mid=400400816&idx=1&sn=1cd999e83f0455733340fac2d18fdcaf&mpshare=1&scene=23&srcid=0819kKhX3OxNN8KhSYMImKbD#rd，http://blog.csdn.net/xwd18280820053/article/details/70677645，有哪些激活函数？relu与逻辑函数的区别？（relu避免梯度消散，加快训练速度，起到稀疏性的作用），交叉熵代价函数与平方损失代价函数的区别，什么情况下两者等价？

二面过后就没消息了

百度内推时是上海地区，之后校招时为北京，现场三面，都是从项目出发，问各种细节（画LSTM框架图），写程序（动态规划相关、汉诺塔实现），晚上11点过通知offer...

 

好未来：（算法岗机器学习相关）现场面试，全程写代码

一面：2个等长的有序数组，得到中位数；2个链表判断是否有公共节点（链表带环时的处理）；还有个题忘了….

二面：2道编程：给定2个字符串，找到最长的公共子串（写完动态规划问能否改进）；二路归并排序。问了些hr会问的问题，大学的遗憾，学到的最重要的东西等，随便聊聊结束。

邮件通知offer

 

Tap4fun:（数据挖掘）

一面：问项目，LSTM与GRU的区别；

二面：问项目，部门有做广告方面的业务，针对广告算法大赛问的比较细，问提了多少特征，那些特征有用；

Hr面：一个智力题，然后就是随便聊聊，对加班的看法，平时的爱好等。

总监面：负梯度下降方向为什么是下降最快的方向，心算一个十进制转二进制，最有成就的事，平时作息习惯，开放题估计一层楼的月用电量。

HR通知offer

 

总结：都需要自我介绍，都需要准备问面试官的问题；深度学习方面的问题参考：http://blog.csdn.net/xwd18280820053/article/details/76026523，推荐系统相关方法：http://blog.csdn.net/xwd18280820053/article/details/76012945