算法崗面經(jīng)整理！查漏補缺

寫在前面

三月面試了好幾輪，寫個帖子記錄一下問過的問題，為接下來的其他公司的面試查漏補缺一下，也給大家一些準備的方向。

騰訊

一面（涼）

• 自我介紹
• 問做過的項目，同時在過程中穿插用過的模型的問題，比如
• word2vec兩個模型的損失函數(shù)是什么
• cbow和skipgram的比較，為什么skipgram會更好，哪個的計算復雜度高
• 為什么使用隨機森林
• 決策樹的分裂方式是什么，根據(jù)什么變量來決定分裂變量
• 手撕代碼
• 給一個數(shù)N，k，每一輪可以進行兩種操作的其中一種：①所有的數(shù)拆分成兩個更小的數(shù)；②所有的數(shù)-1。已知拆分操作只能進行k次，問 最少需要多少次把所有數(shù)都消去
• 給一串數(shù)列，這串數(shù)列有正有負，但是總和為0。每個數(shù)xi代表一個村莊，正的表示村莊想賣出xi份水果，負的表示想買入xi份水果。兩相鄰村莊間的距離是相同的，單位距離運送一份水果的運費均相同，每份都是k。問，把每個村莊的需求和供給都解決掉需要的最少運送費是多少？

這是第一次面試，涼得很徹底，因為很多算法細節(jié)都沒有好好復習，而且代碼寫的也不夠整潔快速

阿里螞蟻

一面

面我的是多方安全團隊，問了很久他們做的東西，具體還是不太懂，大概意思就是法規(guī)限制了我們獲取的數(shù)據(jù)規(guī)模和維度，要用有限的數(shù)據(jù)進行風險評估（比如銀行貸款啊之類的）

• 問了我們碩士是授課型還是論文型，問了我們現(xiàn)在專業(yè)學習的東西和機器學習相關的部分有哪些，
• 然后問了我做詞向量的項目，問優(yōu)化方向之類的，有沒有根據(jù)文本特征做定制化的算法調(diào)整
• 然后問了xgboost和randomforest的區(qū)別。什么場景表現(xiàn)會更好之類的。
• 然后問了一道邏輯題：兩個人抽100個球，你是先手，每次兩個人只能取1-6個球，問怎么抽才能使得你是最后一個把球抽完的
• 問了一道挺基礎的算法：找出有序數(shù)組中位數(shù)，想優(yōu)化時間復雜度。
• 感覺不是很匹配，面試官的意思是想要的是那種潛力型，會融合很多算法，開發(fā)新算法的人才，我太菜了

美團

美團的筆試還是做的挺差的，五題只做了兩題，兩題都只有27%。。

一面

• word2vec
• 訓練過程訓練原理
• 訓練的損失函數(shù)
• 我看到你做多分類情感分析多分類問題的損失函數(shù)是什么
• Soft max的計算公式是什么？為什么使用指數(shù)函數(shù)？
• LSTM的信息傳遞機制是什么？他和RNN相比有什么優(yōu)勢。
• Bert
• 他和普通的Word2Vec模型相比優(yōu)勢在哪里
• 他為什么會有這樣的優(yōu)勢(優(yōu)勢，指的是他能生成語境化的向量
• Bert中的 transformer
• attention multihead attention
• 注意力機制的運行過程是什么樣的？
• 注意力機制中對于每一個詞的分數(shù)會進行標準化，請問這一步的目的是什么
• 你剛剛提到batch normalization
• BN的作用是什么？它有四個公式，每一個公式分別是什么，有什么各自的作用
• 我對于每一個Batch 都計算出來了他對應的均值跟方差這些，它們相互獨立的嗎？還是會相互影響。
• 我看你大多數(shù)是自然語言處理的事件，你有做過計算機視覺相關的任務嗎？回答：有機器學習課上嘗試手寫卷積神經(jīng)網(wǎng)絡的代碼
• 卷積神經(jīng)網(wǎng)絡的權重是怎么更新的，平均池化和最大持化的反向傳播是怎么運作的？
• 沒有手撕代碼，但是讓我直接實現(xiàn)kmeans的偽代碼，不用編譯

總結(jié)來說，美團一面問的都很基礎的深度學習問題，都答出來了，因為準備過，所以說的時候比較有自信，然后挺流暢的。面試官就說覺得我基礎知識挺扎實的挺好的（這個小哥人很nice，也是第一個這么夸我的面試官，挺受鼓舞的，很謝謝他

二面

大部分問題和一面的很接近，但是面試官好像是一面面試官的老大，會從更多維度來問你

• word2vec訓練過程的最后一步有什么辦法可以優(yōu)化softmax的計算，我沒答上來，他就告訴我說是指數(shù)函數(shù)的計算會用查表來近似代替
• 你大部分用的神經(jīng)網(wǎng)絡都是比較淺層的，有沒有試過更深的神經(jīng)網(wǎng)絡
• 有做過圖像方面的深度學習項目嗎
• 有沒有在實踐中應用過transformer

最后面試官的評價是基礎知識比較好，但是實踐經(jīng)歷和業(yè)界場景有差距emmm，然后面試才剛剛開始，沒這么快能給你答復（好的我知道我是備胎了55555 美團是我很想去的公司，我面試的部門是做美團外賣的推薦廣告業(yè)務的，在他們場景中會用到很多的深度學習的模型（圖像+nlp）來提取特征和做推薦預估, 而且關注了美團的技術博客，他們做的很多東西我都覺得和自己做過的項目很match。