京东-头条-百度面试题

清华本硕，硕士方向是自然语言处理，CCF A类论文一篇。目前拿到了京东，腾讯和搜狗的offer，因为腾讯和搜狗基本上没有问什么面试题，就两边聊了聊沟通一下，因此就不介绍面试经历了。

1 京东面试经历

面试的京东的商品推荐的算法岗，在北辰大厦（奥森旁边），面试难度总体来说比较简单。

（1） 到公司之后先做了一个小时的笔试题目，包括四个简答题和两个编程题，简答题主要是C语言相关的。

Map和Set的插入和查找的复杂度是多少，Set是否可以存储类

递归和循环可以互相转换吗？

epull和select的原理以及区别？

什么时候会调用构造函数和析构函数？父类的构造函数可以是virtual的吗？

编程题也特别简单，一道题是一个有序的数组，寻找数组的中的两个数它们的和是否等 于某个值target，返回True或者False，要求O(n)的复杂度。

另一道题目是一个数组，两个相邻下标的数组的值的差的绝对值为1，然后在这个数组中寻找某个值是否在这个数组中，是的话返回下标，否则返回-1。

（2）第一轮面试也特别简单，主要就是聊了聊自己的论文是怎么做的，实习的时候干了啥，然后再出了一道编程题，一个无序数组，只有0,1,2，然后你要对这个数组进行排序，要求O(n)复杂度。（荷兰国旗问题）

（3） 第二轮面试也是主要是聊了聊自己的论文，然后推导SVM的原理，然后logistic和SVM的区别，Attention注意力机制的原理，RNN的公式等。还有一个编程题反转链表。

面试完三天拿到了口头offer，感觉总体来说还是比较简单的。

2018/8/22 更新，今天收到了京东的录用函，看了一下工资感觉应该是SP的offer，好开心，感谢实验室老板收留我在组里读研学到了好多deep learning的经验~

2 头条面试经历

本菜鸡的头条面试没有过，太菜了。一共三轮面试，难度其实都挺高的。

（1）第一轮面试面试官出了一个对我来说很难的算法题然后没做出来。 面试题目是：

给你一个无序数组，求数组中任意两个数的差的的绝对值的乡下取整的和。

这个题本菜鸡只会做如果数组是整数的情况，对于浮点数的情况不会做，面试官说是用逆序对去求解，当时面试的时候也没有复习到这个点。

（2）第二轮面试略简单，第一个题目是概率题，给你2K+1个硬币，问扔完之后正面比反面多的概率是多少。 第二个编程题也不是很难，就是坑比较多，一个有序的数组，寻找数组的中的两个数它们的和是否等于某个值target，返回这样的两个数的个数。第三个面试题也挺简单的，问1~n个数组成二叉搜索树，有多少种形状不同的二叉树。

（3）第三面很坑，本来本菜鸡应该是投的自然语言处理的算法岗或者AI Lab，结果面试的时候被分到了做推荐的算法岗，然后就GG了。面试的问题感觉还是挺难的。主要有MLP手动求梯度，给你十亿个用户的数据，寻找每个用户最相似的10个用户（要求可以有一个很好的分布式算法）。你平时有没有读过推荐算法的论文？ 聊一下一个你了解的推荐算法（本菜鸡只知道协同过滤算法）。Map/Reduce原理。然后本菜鸡就挂掉了

3 百度面试经历

百度面的是凤巢广告组（明明投的是自然语言处理岗!!），目前还没有面完，只面了两轮。

（1） 第一轮面试相当简单，就是给面试官解释一下你的论文，然后写了一下RNN（GRU）的公式，然后写了一个快排的程序。

（2）第二轮的面试挺难的，面试官问的比较广，而且问的也结合了他们的具体应用场景。比如基于内容如何进行标题的改写（把看起来很平常的标题转为标题党的标题）；给定一个网页，如何推荐网页最后面的广告信息；Relu、Sigmoid和tanh分别有什么不同；SVM为什么需要核函数，以及用了核函数之后数据的维度是变低还是变高了；如何解决过拟合问题（面试官最推崇的居然是减小模型，本菜鸡没有想到这个点）；Dropout，Layer Normalization， residual net的作用；如何设计一个命名实体识别得的Neural模型；用CNN去处理文本信息的时候，如果只有一层CNN，设计一个模型结构，以及参数的大小；为什么CNN作用这么强大，可以处理图像以及文本信息；还有几个编程题，不过都巨简单就不说了。

百度的面试只面了两轮，然后第三轮的面试官有事情所以没有面完，面完总体感觉，百度的凤巢组目测应该是经常是使用CNN进行文本信息的处理；感觉自己应该还没有凉凉吧。