迟来的面经,回馈牛客

写个总结,回馈牛客~ 给自己也给未来面试的同学,少走弯路,命中率更高点~ 祝大家满意的offer多多(迟来的总结 [算法岗-机器学习方向])

直接上干货

前期准备

理论:统计学习(李航)+ 机器学习(周志华) + 推荐系统实战(项亮)+ 深度学习(那本花书)+ 数据挖掘导论 + 编程之美 + 剑指offer [书籍]

台大 林轩田(个人觉得很赞)[视频]

牛客网 leetcode [网站]

项目:可以做做kaggle(感觉这个才是真正提升之道,大牛们很乐意分享技术,可以学到很多)或者国内的一些比赛(天池/datacastle/美团头条等一些企业也会有比赛)多积累些有价值的自己做的核心项目

简历:简洁明朗即可,项目是亮点(最好是涉及真实工业数据方面的自己主程的项目,如果有比赛那么更好了,锦上添花)

面试问题

阿里

 一面:

比较基础,问项目,算法,实际场景题

首先上来自我介绍,个人感觉简洁明了点好,突出自己的亮点,比如我天池还有别的比赛拿过几次全国top,比如我实习期间自己负责做了几个项目,这些都是亮点,可以在2min内让面试官抓住想问的点,同时也给自己热热场(切记,一定要对自己做过的项目or比赛非常熟悉,比如我是数据挖掘方向,那么从数据的清洗->预处理->业务理解&&特征构造->模型构造这个流程来说,以及这样做的原因,优缺点都要很详细的知道,总之自己多问自己几个为什么,自己问自己总比被面试官把自己问懵逼了好)

项目面:

一面和二面面试官是直接让我叙述项目的,然而四面交叉面这位大佬并没让我说(后面会说到);

我是这样介绍我的项目(比赛),首先把项目要解决的问题说清楚,并把项目对应的应用场景说了下(比如:这个比赛是xx举办的一个全球比赛,目的是预测专家回答问题的概率,即专家是否回答问题以及问题被回答的可能性是多少,所以这是一个分类加回归问题,应用场景是xxxx的推荐问答方面,首先把数据blabla...)面试官会根据你的项目叙述,间歇打断你,穿插着问你理论&&这样做的优缺点(看清楚哈 是 优缺点都有问,尤其是缺点),之后引申一些基础知识,比如XGB/LGB/LR/SVM/决策树三大类/boosting bagging的优缺点,怎样衡量一个模型的好坏(对应的评价指标 auc roc 真阳率 假阳率 等等),以及对应算法流程的描述(用自己理解的方式来叙述),有时面试官开心的话会问下时间复杂度和空间复杂度。总之理论方面的优缺点,适用范围,这些理清楚就ok,理论方面还是比较easy点的。

算法面:

很简单的一个。。。0-1背包方面,二叉树搜索方面的;字符串方面;数组方面(由于面试是面试官自身自由发挥,怕限制了后续同学的面试点,这里只给出范围)

实际场景题:

我是推荐方面,题目意思是,你可以用淘系所有的数据,让你设计特征和模型,让预测该用户最有可能点击的产品(我的解答:特征方面,最近3天/1周/2周浏览商品(结合时序分析),用户加购商品,用户点击商品,等一些行为特征;还有用户画像,item画像,对应的评价标准是AUC/LOGLOSS;模型先用LR 判断对应特征是否有效,有效后就常见的 LGB这些。。。然后上A/B test)

二面:

项目,算法,实际场景题

一个晚上刚刚吃完饭,突然一个电话来了,然后就开始面试了。。。。。

项目:

这里面试官对我的学术论文感兴趣,然后说了一些(基因测序方面,由于和常见的不太相同,就不展开介绍了)

接着又聊了那俩比赛(挑了俩比赛说了下,也就是说我的项目准备了四个左右),依然从那几个方面来叙述。

接着聊了聊实习期间的项目,对方比较满意。

算法:

我的学术论文涉及到编辑距离,所以问到了这个,还有bitmapper(这也是我学术论文方面。。。)

实际场景题:

这里就是针对在美团的实习问的,如果再让我在原基础上再提升5个百分点,我怎么做(模型融合提升的效果肯定没特征融合以及高阶特征效果好,按照这个思路回答的,对方满意)

三面:hr

不知道为啥三面是hr。。。

hr问的比较基础,问了问项目,以及项目遇到的难点,我怎么解决的,还有数据是否涉密之类,然后让我对比了手中的offer,问我更倾向于哪家(当然阿里了。。。),然后对方问我期望薪资,我说了别家给的之类。

四面交叉面(p9级别)

过了一天后,二面主管面试官电话说,想让我走的更远一点,给我约了交叉面,一位p9面试官(然后我问了一些交叉面的牛友,牛油都很客气和热情的和我说,不用担心,就是一些基础的聊聊天之类,然而。。。)

首先问了有哪些offer然后直接项目

项目:

全程没有让我主动介绍,直接问技术要点(如果没进入状态或者稍微不熟悉那么就惨惨的了);直接问这个项目是不是真实场景的数据,做了些什么?(我一点点的介绍,然后被打断问细节,然后对方问这样做效率如何,你觉得效率会比你不这样做高吗?为何?)

然后是用到了哪些模型(LGB+XGB的bagging),为何?有什么好处?LGB里面你用到了哪些参数?你怎么调的参数?

然后看到了我的学术论文,然后问了问,最后说完(基因序列方面,比较。。。小众。。。说了下我的创新点,对方不是很清楚,毕竟不是一个领域的,不做参考)

算法:

问了几个大数据相关的,两个文件,特别大的文件A和B,A50G,B10G,一台电脑,内存2G,硬盘无限大,让你求两个文件的交集,差集(我用的MapReduce的思想做的,开始有点点紧张,忽略了只有一台电脑,大佬立马说,只有一台,然后很耐心的引导了一下,还好我反应快,抓住了本质,回答出来了)

然后问了分治的问题,还问了学了哪些课程(算法导论啊,hadoop啊,多核并行啊。。。),大佬:哎呀 那个算导很厚的,你们是选学还是整本学,谁教的呀(选学,我老板教的);大佬:你学过机器学习吗?(没,自学的);大佬:嗯 好,有什么问题问我的吗? (那俩文件的交集我回答的您觉得还有别的更好的方法吗?)大佬:你不是回答的不错吗,就是想看看你是否有MapReduce的思路的;然后大佬就问我实验室的小伙伴有没有想去阿里的,我们也有special凹,让我推给他(好亲切的大佬emm,另外想来阿里的2018的还可以站内我哈,主要招算法方面,社招(知名公司)也招)

美团

美团是三轮(也是远程电话,这里是美团实习,最后去实习然后拿到了sp)

第一轮 询问了有哪些实习offer,介绍项目,针对项目问问题

第二轮 视频面,问算法,问基础理论知识,问项目,问代码

第三轮 电面,把前俩轮的都问了下,然后重点问了代码,很喜欢问字符串和二叉树搜索排序相关的问题,接着是项目,接着又是理论(可见理论多么重要)

第四轮 hr 通知 offer

美团的氛围很和谐,mentor和boss都很赞,而且问题的解决和切入点也很棒,总之学到了很多,尤其是mentor的那句,为了生活而工作(mentor是文艺范大佬)[最后拿到了算法的sp]

讯飞大数据研究院

也是三轮 和美团类似 不过是现场面而已  最后sp offer

华为

不知道是为了加快进程还是什么原因,我就两面,一轮技术一轮大boss,技术就是讲自己的项目,然后问了道简单的算法题,二轮boss在和我聊他们的公司很棒。。。emmmmmmm 最后sp offer

ZTE

四轮 最后sp[问题也是没啥要说的,哦对, 他这个面试比较有趣,每轮都是2人面你一个,压力面???可是基本上没啥压力额。。。]

最后累了,微信还有微软就鸽了。。。

另外谢谢帮过我的同学和学长,还有好队友~~~认识你们提高了我的幸福指数~~~

看到这里的同学们,祝你们offer多多哟,笔芯~

作者:Sky_1023

本文来源于牛客网

——————————

牛客网(www.nowcoder.com)

- 互联网名企笔试真题

- 校招求职笔经&面经

- 程序员求职实习信息

- 程序员学习交流社区

猜你喜欢

转载自www.cnblogs.com/nowcoder2018/p/9015975.html