寫在前面

三月面試了好幾輪，寫個(gè)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(bǔ)缺一下，也給大家一些準(zhǔn)備的方向。

騰訊

一面（涼）

自我介紹

問做過的項(xiàng)目，同時(shí)在過程中穿插用過的模型的問題，比如

word2vec兩個(gè)模型的損失函數(shù)是什么

cbow和skipgram的比較，為什么skipgram會(huì)更好，哪個(gè)的計(jì)算復(fù)雜度高

為什么使用隨機(jī)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(gè)數(shù)N，k，每一輪可以進(jìn)行兩種操作的其中一種：①所有的數(shù)拆分成兩個(gè)更小的數(shù)；②所有的數(shù)-1。已知拆分操作只能進(jìn)行k次，問 最少需要多少次把所有數(shù)都消去

給一串?dāng)?shù)列，這串?dāng)?shù)列有正有負(fù)，但是總和為0。每個(gè)數(shù)xi代表一個(gè)村莊，正的表示村莊想賣出xi份水果，負(fù)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(yùn)送一份水果的運(yùn)費(fèi)均相同，每份都是k。問，把每個(gè)村莊的需求和供給都解決掉需要的最少運(yùn)送費(fèi)是多少？

這是第一次面試，涼得很徹底，因?yàn)楹芏?a target="_blank">算法細(xì)節(jié)都沒有好好復(fù)習(xí)，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(tuán)隊(duì)，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(jìn)行風(fēng)險(xiǎn)評(píng)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(xué)習(xí)的東西和機(jī)器學(xué)習(xí)相關(guān)的部分有哪些，

然后問了我做詞向量的項(xiàng)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(chǎng)景表現(xiàn)會(huì)更好之類的。

然后問了一道邏輯題：兩個(gè)人抽100個(gè)球，你是先手，每次兩個(gè)人只能取1-6個(gè)球，問怎么抽才能使得你是最后一個(gè)把球抽完的

問了一道挺基礎(chǔ)的算法：找出有序數(shù)組中位數(shù)，想優(yōu)化時(shí)間復(fù)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(huì)融合很多算法，開發(fā)新算法的人才，我太菜了

美團(tuán)

美團(tuán)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(xùn)練過程訓(xùn)練原理

訓(xùn)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(jì)算公式是什么？為什么使用指數(shù)函數(shù)？

LSTM的信息傳遞機(jī)制是什么？他和RNN相比有什么優(yōu)勢(shì)。

Bert

他和普通的Word2Vec模型相比優(yōu)勢(shì)在哪里

他為什么會(huì)有這樣的優(yōu)勢(shì)(優(yōu)勢(shì)，指的是他能生成語境化的向量

Bert中的 transformer

attention multihead attention

注意力機(jī)制的運(yùn)行過程是什么樣的？

注意力機(jī)制中對(duì)于每一個(gè)詞的分?jǐn)?shù)會(huì)進(jìn)行標(biāo)準(zhǔn)化，請(qǐng)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(gè)公式，每一個(gè)公式分別是什么，有什么各自的作用

我對(duì)于每一個(gè)Batch 都計(jì)算出來了他對(duì)應(yīng)的均值跟方差這些，它們相互獨(dú)立的嗎？還是會(huì)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(jì)算機(jī)視覺相關(guān)的任務(wù)嗎？回答：有機(jī)器學(xué)習(xí)課上嘗試手寫卷積神經(jīng)網(wǎng)絡(luò)的代碼

卷積神經(jīng)網(wǎng)絡(luò)的權(quán)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(yùn)作的？

沒有手撕代碼，但是讓我直接實(shí)現(xiàn)kmeans的偽代碼，不用編譯

總結(jié)來說，美團(tuán)一面問的都很基礎(chǔ)的深度學(xué)習(xí)問題，都答出來了，因?yàn)闇?zhǔn)備過，所以說的時(shí)候比較有自信，然后挺流暢的。面試官就說覺得我基礎(chǔ)知識(shí)挺扎實(shí)的挺好的（這個(gè)小哥人很nice，也是第一個(gè)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(huì)從更多維度來問你

word2vec訓(xùn)練過程的最后一步有什么辦法可以優(yōu)化softmax的計(jì)算，我沒答上來，他就告訴我說是指數(shù)函數(shù)的計(jì)算會(huì)用查表來近似代替

你大部分用的神經(jīng)網(wǎng)絡(luò)都是比較淺層的，有沒有試過更深的神經(jīng)網(wǎng)絡(luò)

有做過圖像方面的深度學(xué)習(xí)項(xiàng)目嗎

有沒有在實(shí)踐中應(yīng)用過transformer

最后面試官的評(píng)價(jià)是基礎(chǔ)知識(shí)比較好，但是實(shí)踐經(jīng)歷和業(yè)界場(chǎng)景有差距emmm，然后面試才剛剛開始，沒這么快能給你答復(fù)（好的我知道我是備胎了55555美團(tuán)是我很想去的公司，我面試的部門是做美團(tuán)外賣的推薦廣告業(yè)務(wù)的，在他們場(chǎng)景中會(huì)用到很多的深度學(xué)習(xí)的模型（圖像+nlp）來提取特征和做推薦預(yù)估, 而且關(guān)注了美團(tuán)的技術(shù)博客，他們做的很多東西我都覺得和自己做過的項(xiàng)目很match。

原文標(biāo)題：算法崗面經(jīng)整理！查漏補(bǔ)缺

文章出處：【微信公眾號(hào)：算法與數(shù)據(jù)結(jié)構(gòu)】歡迎添加關(guān)注！文章轉(zhuǎn)載請(qǐng)注明出處。