作者：牛奶可乐201809180155732

来源：牛客网

本人985 本， 枫叶国硕，有一段大厂实习（拿到return offer）（非BAT）

由于我是留学生，今年6月毕业，所以有些公司如果卡毕业时间卡的严的话，我是不能参加校招的，卡的松或者对留学生有宽限的我才可以走校招流程

秋招大概7月初开始正式准备，刷题和复习基础，内容大概是计算机网络（为了笔试），ML 基础，主要是看统计学习方法，和各种博客，Leetcode300题左右，花了2天左右过了一遍剑指，个人感觉剑指真的一般，不如leetcode高赞评论，8月一号开始投递简历，9月拿到作业帮意向书，和携程社招offer，由于携程offer确认时间很短，催的急，大概因为是社招吧，所以打算签了，待遇从offer show上来看，应该大概是白菜以上，sp以下

我也想过要不要去试试其他公司，BAT，百度提前批简历挂了，阿里虽然一面了，但是个人水平我感觉是进不去的，腾讯没有投，没有很感兴趣的岗位，TMD，头条3面挂，最有希望的一个了（我也是进了宇宙条算法岗三面的人了，哈哈哈哈哈），美团，一面了20天了没有消息，滴滴没有任何消息，网易提前批挂了，可以尝试正式批

所以我就算接下来继续面试，其他公司基本不考虑了，只有网易正式批，阿里，美团，滴滴 有希望，让我舍弃一个还不错的offer，去博一个可能的offer，在加上被卡毕业时间的风险，我理性上选择接了offer。虽然和大神不能比，但是个人已经满意了

~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~

笔试面试我以前都写过帖子去做汇总，现在就CTRL+C CTRL+V了

笔试

笔试通过：

网易提前批，360提前批，字节

笔试挂了：

多益，bigo，猿辅导

不知道结果的：

小红书，流利说，bilibili，完美世界，京东，快手，滴滴，新浪

面试

美团一面： 没有2面消息

网易提前批： 二面挂

360提前批： 2面挂

作业帮： 2轮技术+总监+hr 意向书

携程： 2轮技术+hr offer

阿里： 一面 没有2面消息

字节： 3面挂

~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~

以下是所有面经，从我之前写过的汇总贴，复制粘贴过来的

~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~

8.10 美团人工智能岗一面

面试官人很好，他先自我介绍了一下，我还没有自我介绍，就开始聊我在小米实习的内容，可能是做的东西和他们一样吧

主要就是问了我实习做的事情，负责的模型，模型特征是怎么用的，因为都是自己做过的，问到我不会的，实习没有接触过的，我就实话实说不知道，他也表示理解

最后写了两个easy 难度的题目

1： 输入一个list， 输出list，要求奇数在左，偶数在右

2： 输入一个字符串，返回不包含重复字符的subset 的最大长度

都是leetcode 原题 难度不大

最后我问他 如果没有过，或者过了，怎么通知我，因为我看网申状态还是网申成功，没有变状态

~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~

8.16 网易云机器学习提前批一面

16：00的 我3点45签到 结果16.48才到我~ 我等的快自闭了

自我介绍

上来问我实习经历

问我实习的时候对dssm模型做了哪些优化

说dssm模型本来是用来做搜索的，如何用来做召回，特征怎么构建，效果怎么样

问项目

广告点击率预测gbdt+lr的效果 效果没有明显变化的原因在哪里

gbdt 单颗树是什么树

ID3 C4.5 CART的区别

说完就coding了

input 一个 string output 最大无重复字符的subset （竟然和美团一面的面试题一毛一样）

最后我问结果大概什么时候能知道

面试官说听hr通知，如果有二面的话就是下个星期（如果有...心里凉了一半）而且一共只有36min 又凉了另一半

求个二面机会吧

~~~~~~~~~~~~~~~~~~~

8.20 作业帮 一面

主要问实习

然后讲讲xgboost，每个叶子节点的值是怎么确定的，如果换一个loss 函数还是一样吗（我不太确定，瞎扯了一下）

两道编程题：

1 求x的平方根，精度0.01

2 input 一个string 例如'aacab' 求所有可能的分割使得每一个substring 都是回文数

例如 [a aca b] [a a c a b] [aa c a b]

最后加问了一句，dssm模型是怎么进行召回的

反问环节：

斗胆问了一句您觉得我怎么样，他尴尬的笑了笑，说不错，两道题都写出来了，但是xgboost要多看看paper，和同事商量一下过没过

感觉凉凉，基础还是一个大问题，不熟

面试官挺好的，话不多，也不打断

虽然估计是凉了，但是体验还是不错

更新~收到短信，竟然过了

~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~

8.21 携程一面

全程和面试官小姐姐闲聊，我都怀疑我是不是第一面是hr面，互相很随意的讨论模型的一些思路，看法，没有正式问问题的感觉

小姐姐一直介绍他们的部门，新创的部门，业务做的比较多，所以可能和我的职业规划不一样（我没有职业规划，有人要就行）

~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~

8.22 作业帮二面 过

自我介绍

实习

讲下auc，xgboost

LR懂吗？ LR怎么加入非线性？

怎么解决过拟合？

最后一个问题，auc 和log loss的区别？ what？ 我反正不知道到底想问什么。随便扯了一下

最后反问环节

问部门后续发展主要是优化什么模型，就算过不了，我也可以下去多看看相关paper

问后续安排大概什么时候会通知，然后他说很快，后面部门老大可能还需要给我聊聊（听到这里就放心了）

果然晚饭的时候就收到面试安排

凌晨收到 360的面试安排，强制安排下周的一个时间，而且之前已经约好了，但是360公众号里面那个语气。。。不敢改，也不知道怎么联系hr

只能说360有点厉害，这么霸道，大概就是想用这种方法再刷一批人吧

~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~

8.26 号 360 一站式面试 2面挂

面试之前听说视频面试的效果不好，体验极差，不过我自己试试网络其实还行，没有很卡

推荐算法岗位

360 一面

实习问的很细，主要不是看代码写的怎么样，主要是看你对业务的看法，和思路

我一直在说我干了什么什么事，面试官说这些都不重要，这仅仅表示你会写代码，会实现，要懂得为什么这么做

全程被怼，只怪自己太辣鸡，实习的时候主要是想着怎么完成，确实没有想背后的道理

很感激这个面试官

编程题是最大连续子串的和，dp的easy题

本来以为凉了，没想到过了

360 2面 等了一个多小时才面

接着怼实习，全程不正眼看我，推荐部门的总监，不知道是压测还是什么

问如果推荐的文章想要语义上的逻辑，应该怎么办，比如用户点过特朗普这个关键词的文章，给他推特朗普相关

我说加对应的特征，加点击过的关键词特征，或者新增一个队列，专门负责召回用户点击过的关键词

但是他脸色一沉，看来是凉了一半，后面也是和一面一样，注重为什么，而不是怎么做

果不其然二面挂

不过360 真的挂的不亏

~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~

8.27 作业帮3面 过

作业帮推荐方向的算法leader，人很好，也不为难

怼实习，做了什么事，调了什么参

如果接触一个新的模型，学习方法是什么样的，从刚听说到落地

机器学习领域很多，图像，视频，音频，图文，推荐，你以后的职业规划是什么

过拟合的方法，如果让你做，你会选哪个，我说会选bn，说说bn的原理

面试官说，你最近刷题多吗

我说都在刷，要找工作嘛，他说那我就不考你了，你说说你遇到的一个有趣的题目

我脑子蒙了，想不到一个笔试题，我说笔试做的有点多，一时半会想不到

面试官于是说，那我还是考考你吧，我说没问题

从作业帮的题库里随机选了最长公共子串~

神奇的一幕来了，我说...这个题我刷过，一个m*n的2维状态矩阵做dp，要不要换一个？

我的天，遇到做过的题目不是应该偷偷装作没刷过，然后顺利写出来吗？ 看来我是飘了

换了一个 input 是一个数组，一个target 返回所有相加等于target 的子序列，一个数只能用一次；backtracking 3分钟写完

面试官说，讲讲backtracking的思路，说了一下就进入反问环节了

问后续安排，问作业帮推荐主要是那些场景

几个小时后，约了明天的hr面

~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~

8.28 携程2面 过

也不知道是我运气好 还是运气坏，携程的两轮面试都是偏重于业务层面

首先是实习

然后就是情景题

有用户的行为信息，百万级别酒店的信息，用户的基本信息，设计一个推荐的大概框架，优化目标不是ctr，而是转化率

协同过滤，user-cf 矩阵太过于稀疏，效果不好，怎么改进？

pm不懂技术，怎么给他解释推荐系统的推荐结果，也就是推荐系统的解释性

感觉答的不太好，情景题，偏业务的东西需要经验，相关的经验有点少

不过最后还是过了

作业帮hr 面

约的晚上7.30，在商场吃饭的时候跑到商场的楼梯间接的电话

主要就是问面试体验

未来的规划

手上的offer情况

对作业帮岗位业务的了解

问了一下毕业时间，最后说1个星期内给答复

~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~

8.30

携程hr面

职业规划，offer情况

说之前面试官觉得我工作经验不足，但是愿意培养我

问了期望的薪资，说今天或者下周一给通知，需要和业务那边通个气

阿里一面电面

自我介绍

实习

l1 l2的理解

学习那些ML 模型 怎么学的

怎么理解特征工程，有什么方法

模型召回和其他召回队列召回的区别，有没有什么好处

java ， c++ 了解多少

还有一些不记得了

~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~

9.1

头条3面挂

本来以为一面挂，结果意外进入三面，最终挂掉，还是很心累的，期望越大，失望越大

一面：

自我介绍

实习

编程题：二叉树左边看得到的节点

LR推导，手写拍照上传

朴素贝叶斯公式

分类模型有哪些，讲一讲

二面

自我介绍

实习

决策树怎么划分的，gini系数公式

RF,GBDT,LR,XGBOOST区别

树的过拟合措施，深度模型的过拟合措施

一个硬币，正面向上是p，投2k+1次，正面比反面多的概率，写出表达式

编程：

一个字符串，一个单词字典，把字符串分成若干个子串，每个子串都包含在字典中，返回多少种分割法，leetcode原题

解释代码

三面

自我介绍

实习

BN层做预测的时候，方差均值怎么算，online learning 的时候怎么算，没怎么了解过online training,就扯了下

ema，moving average （听说过，但是没用过，就随便扯了下）

甲赢得比赛的概率是0.6，那么bo3 还是bo5 哪一种赛制对甲有优势

优化算子了解多少？（这一块打算看来这，结果没有来得及复习）

编程：

字符串左移K位，space complexity O（1） time complexity O(n) leetcode 原题，需要处理考虑回到初始起点的情况，15分钟内写完

开始忘了考虑，后来想起来回到初始点的情况，最后还是写出来了

三面考察了太多之前没有接触的点，挂掉也是情理之中

看面经看起来挺简单的，但是其实主要的坑在实习内容，会问的很细，基础和编程题都是很简单的

-------------

牛客网是全国最大的IT题库，刷真题，练算法，看面经，得内推，全面提升你的技术水平、推荐最好的工作给你！牛客网官网链接：;order=0?from=toutiao

*本文由原作者首发于牛客，非经原作者授权，不得转载。

*与面经原作者交流，请点击下方了解更多。