美团华为旷视拼多多等算法面经

lanqiao 发表了文章 • 0 个评论 • 61 次浏览 • 3 天前 • 来自相关话题

作者:algorithmers 目前已拿到几家的offer。   1. 旷视face++   电面一面:上海研究院院长危老师 开始是介绍项目,问个人以后的发展规 ...查看全部
作者:algorithmers

目前已拿到几家的offer。
 
1. 旷视face++
 
电面一面:上海研究院院长危老师
开始是介绍项目,问个人以后的发展规划,后来回归从alexnet到最近的image classification的网络结构的发展历史
电面二面:coding面
线上做了一道题,应该是输出树的不同层次之类的题目,比较简单
电面三面:模型组组长
介绍项目,根据项目中出现的问题主要追问了两块,一块是图像生成式任务中的loss结构设计,另一块是海量人脸识别数据下基于分类的训练模型并行的方案
电面四面:hr(可能不算面试)
和hr简单聊了学习生涯和职业发展
现场一面:危老师
因为电话聊过一次技术,所以现场面就聊聊天
现场二面:孙剑老师
介绍一个自己觉得做的最好的东西
 
2. 华为优招
 
业务面:
介绍项目,然后介绍一个传统的机器学习算法,推导两层以上的fc网络的梯度,问了点python的基础知识,比如2和3的区别等
专家面:
专家面比较快,介绍一个比较完整的落地项目,然后就机器学习和深度学习的关系和不同撕了一会
综合面:
聊天流,对加班怎么看,对华为终端怎么看,个人有没有经历什么挫折。。。
 
3. 美团点评
 
现场一面:
介绍项目30分钟,然后大概是leetcode medium题
现场二面:
全程介绍项目,二面面完表示不知道我已经面过一面。。。。
复试面试:
应该是组长面,掏出大众点评app,介绍了一下他们做的功能,给了一个场景题,如何给商家选择头图,以及topk的实现
hr面:
手上有哪些offer,发展规划。。。
 
4. 拼多多
 
一面:
介绍项目,手写3sum,树的非递归遍历
二面:
介绍项目,介绍lr算法和svm
hr面;
职业发展,家庭情况,未来打算
 
5. 银联
 
一面:群面
十几个人谈p2p暴雷问题,没说几句话,给过了
二面:技术面
给个需求,如果规划工期,多久能上线,需要多少人,什么是有监督,有哪些无监督算法,介绍kmeans和改进算法
(投了算法被调岗开发,拒)
 
6. 腾讯优图
 
一面:
项目,如何防止过拟合,如何计算光流等
二面:
项目,对传统视觉有没有了解,训练集为什么要shuffle,不shuffle会导致loss如何变化(没有论文被嫌弃,然后挂)
 
7. cvte
 
一面:挂
介绍gan的基本原理,介绍dcgan的改进(论文早忘了gg),介绍后续gan的发展,讲解batch norm的作用,讨论人脸识别不同loss的优缺点

美团点评 互联网产品经理 一面

lanqiao 发表了文章 • 0 个评论 • 11 次浏览 • 2018-11-06 11:27 • 来自相关话题

作者:晓山青青青 武汉场在丽顿酒店,预约的晚了,预约在17:15-18:00场。不过多等了一会,大概快到17:40才进去。 面试官挺和蔼,聊得也很丰富。首先是确认了下没有产品实习经历,然后就问为什么要做产品这类问题。 ...查看全部
作者:晓山青青青

武汉场在丽顿酒店,预约的晚了,预约在17:15-18:00场。不过多等了一会,大概快到17:40才进去。
面试官挺和蔼,聊得也很丰富。首先是确认了下没有产品实习经历,然后就问为什么要做产品这类问题。
问有没有对互联网产品一直关注。我拿了子弹短信出来说。
然后就让分析子弹短信优势,自己的看法。
后面让拿出手机问用的最多的三个应用是什么。我说到了微信和Tim,然后又问Tim的定位是什么,和QQ的区别是什么,与微信的区别在哪,为什么用他,一句话介绍这款产品。
后面问你对美团、大众点评的认识,使用频次。
打开美团来分析,问对美团一级界面的分布有什么看法,从产品的角度分析一下。
打开美食二级界面,一样分析界面设计的原因。界面上有一个按钮,一键根据地图所在位置寻找商家,问怎么看待这个功能,为什么不像滴滴、摩拜他们把它设置成二级界面。
点开全部分类里面的学习培训模块。完全没有发现过这个功能啊啊啊,里面是关于学乐器、学舞蹈等等各方面,针对这一块问你的认识,这个功能的定位是什么?你怎么看待美团去拓展这些业务?这块内容用户痛点在哪里?如果让你去做这样一个事情,你要做的第一件事是什么?等等一系列延伸的问题。
你的领导能力怎么样?
说出你和别人意见都不同,但是你确定自己是对的,最终你说服其他人的一段经历。
 
基本没问简历上的内容,我自己在问题中提了一些经历,感觉面试官不是很看重这些?
面了将近一个小时,出来18:30,感觉自己对产品的思考还是少了,感觉很悬。攒人品继续!

非科班算法的求职之路

lanqiao 发表了文章 • 0 个评论 • 9 次浏览 • 2018-11-01 10:11 • 来自相关话题

作者:Dreamore 本人非科班EE硕士,相对于有深厚CS基础和较强代码能力的同学,自己真的是“渣硕”,真的真的不是揶揄。   面过的公司有:深信服,腾讯,美团,银联,oppo,京东。  ↓以下是面经 ...查看全部
作者:Dreamore

本人非科班EE硕士,相对于有深厚CS基础和较强代码能力的同学,自己真的是“渣硕”,真的真的不是揶揄。
  面过的公司有:深信服,腾讯,美团,银联,oppo,京东。
 ↓以下是面经
 
  深信服(笔试+电面)- 机器学习算法工程师
 
  深信服的笔试题所有技术岗都一样,试卷全是考的C++。本人平时多用python,C++只是了解,因此胡乱做了一通。没想到竟有电面机会。
  然而,电话面试时接起来面试官第一句话就问我:  “你还记的那天考试的第一道编程题吗?” 彼时已经离笔试过去了约2两个多星期,真的不记得了。于是就请面试官重述了一遍题目,然后在电话里重做了一遍orz. 
  紧接着继续问:
  1.给定两个字符串,如何判断a是b的子串?
  2.有一个长度为100w的数组,有没有可能从中取出连续的1000个数字,相加等于10000.
  3.如何使用一个数据结构来缓存远端发回的图片内容,可以保证不重复发送?
  4.解释一下多道程序?
  5.介绍一下你个人最感兴趣的一个项目。
  6.你有没有什么突出的优势?
  .....非常怀疑我自己面的是不是机器学习算法岗TAT
 
 美团(两个部门)- 算法提前批
 
部门A:2:00PM到达美团点评总部,开启一个下午三个小时的面试体验。
第一轮:技术面
项目问题:详细地聊项目。非常详细= =
算法问题:
1.具体讲述一下逻辑回归的思想,手写一下逻辑回归的损失函数,为什么用最大似然求参数?
 
2.逻辑回归是不是线性模型?
 
3.具体讲述一下GBDT的思想,GBDT对损失函数求负梯度的时候,是对哪个变量求导?为什么我们要用GBDT?
 
4.经典问题:GBDT和XGB的区别是什么?
 
5.讲一讲过拟合有哪些方法?继续追问神经网络中有什么特殊的防止过拟合的方法?
6.dropout机制的原理是什么?
 
代码问题:
1.抛一枚硬币,正面朝上的概率为p,问掷硬币可以得到连续N次正面朝上的次数的期望。
 
2.求一个数组的连续子序列的和最大的值。
 
第二轮:技术面(压力面)
 
项目:又开始聊项目,这次聊得更详细,但是面试官一直质疑我项目的意义....搞得俺非常崩溃,后来感觉是压力面。
 
算法:
1.比较一下RF和XGB,XGB的损失函数是什么,给我写出来。
 
2.XGB怎么调参?一般要调哪些参数?怎么设置?为什么这么设置?
 
3.XGB的节点分裂是怎么做特征采样的?
 
4.特征工程怎么做的?
 
5.怎么做的数据预处理?详细说一下。
 
6.FM模型的前因后果说一下?
 
 
代码:
判断一个链表里是否有环以及找出环的入口。
 
第三轮:HR面
 
1.又来聊项目了(没想到HR姐姐也问项目,真的不想再说项目了...)
2.聊完说你为什么去这家公司实习啊?怎么考虑的....
3.你在实验室的课题是什么?
4.你现在投了哪些公司啊?如果都要你,你去哪儿啊?
5.你打算留北京了?
6.你期望的薪资是多少啊?
 
部门B:3:50-7:20PM,三轮技术面。
参加算法提前批的时候现场和面试官聊完,面试官让旁边的HR继续面了我,所以这次去三轮都是技术面。orz
第一轮
一上来聊项目,从头到尾讲你做了什么事。面试官间或问一些关于项目的数据处理的问题,问的问题不是特别深。
这一轮面试官的特点是,要你讲细节。每当你说到一个点,他都会让你更具体地描述一下。比如你的模型中参数为什么要这么设置,具体有哪些超参数,得到了什么样的结果。比如最后深度学习模型跑了有多久,怎么样进行地分布式设置。对每一个项目大概都像这样说了一轮。
然后问了一些常规的机器学习问题:比如特征工程怎么做,R平方和MSE的区别。
 
然后是编程的问题,这个面试官对我太好了,让我写出快排逐步改进中的所有实现方式 :)
 
 
第二轮
 
一上来让我给他介绍研究生的课题。 然后我就开始说,但是他说他没理解,一脸惆怅。于是我又只能继续说,他还是表示不理解。面试官说:"你对你的课题掌握得不太好啊。"此时我就有些紧张了............................
 
然后就又开始聊项目,聊项目的过程中让我画了CNN的架构,有多少卷积层,多少通道等等,怎么计算感受野。然后质疑网络中的第二部分为什么要这么搭建,只是看论文就这么决定了?“我不是很懂你为什么这么做诶”,面试官反复说这句话QAQ。以及面试官认为我这个项目的实际应用场景有问题....
 
接着写代码:旋转数组的最小值。
 
接着是机器学习的问题:
1.讲一讲最大似然和最大后验概率建模的区别?写一下似然函数的一般式。
 
2.最大后验概率建模中的先验分布是指什么的先验分布?
 
3.逻辑回归模型如果用最大后验概率建模是什么样子的?
 
4.分类问题的指标有哪些?各自的应用场景是什么?
面试官随之给出了一个具体的场景要求计算F1分数。
 
第三轮
 
1.KKT条件在凸优化问题中怎么体现的?推导一下吧。
 
2.在美团点外卖的时候,我们会告诉用户一个外卖的预估时间。你如何设计一个模型来估计出这个时间?假设你能想象到的数据我们都能提供。
 
3.(承接第2个问题)如果你提出了一个模型,另一个同事又提出了一个模型,那我们怎么通过用户来评价你们这两个模型?
 
4.我们来聊聊,怎么设计模型才能够增强用户的体验?
 
5.知道大数定律吗?说一说....
6.知道切比雪夫定理吗?说一说...
 
编程:编个数独吧。
 
腾讯(电话面) - 机器学习算法
 
1.讲项目(根据项目提问)
2.决策树模型如何用在实际场景中?为什么用决策树?
3.数据的预处理和特征工程的pipeline你一般怎么考虑?
 
历时40分钟,面试官人很温柔,也给了我通过。然鹅接下来被复试的面试官鸽了两次,每次等待的时间>2小时,最后HR姐姐说联系面试官另外安排时间,然后就没有然后了,简历就一直灰掉了...还是没缘分。
 
银联 - 人工智能岗位
群面:感觉只要中规中矩提出自己的看法就可以过。和非技术岗群面的难度完全不一样,可能就是走个形式吧...
技术交叉面:
两位面试官,问的问题比较基础,也没有手撕代码。
1. 深度学习中防止过拟合的方法?
2. 你觉得你的项目最大的亮点是什么?
3. 激活函数有哪些?对比一下?
4.其余的问题都是一些聊天性质的,比如你的特长啊,独生子女?去上海OK吗?我们银联给户口哦~~期望薪资多少?
 
oppo - 机器学习算法
 
一轮技术面:
1. 堆和栈在内存管理的时候如何被使用?区别是什么?
2. 推导一下GBDT;公式写出GBDT是怎么拟合一棵cart树的?
3. 写一下基尼指数的公式?为什么要用基尼指数?
4. 对比一下XGB和lightGBM在节点分裂时候的区别
5. 两道编程题:一道二叉树的非递归后序遍历;一道象棋走马,给定棋盘大小,从棋盘左下角开始走,N步之后在棋盘上的位置。
6. 具体地聊项目(为什么选择这个模型,这个模型是怎么实现的..)
 
二轮leader面:
1. 具体聊项目(也是关于如何实现,在实现过程中遇到的问题,如何改进)
2. 深度学习中你通常怎么调参?
3. 深度学习中有哪些自适应的优化算法?你用过哪些?
4. 最近有上过什么课或者读过什么论文吗?讲一讲...
5. 其余都是非技术的问题,比如你的职业规划啊愿景啊....
 
三轮HR面:和HR承诺了内容保密。
 
京东 - 算法工程师
 
最坑的一次面试体验,因为面试官的方向和我应聘岗位完全不对口鸭,对方应该是做传统通信电子算法的工程师吧...还是把面试的内容记录下来,希望能有帮助。QAQ
 
1. 傅里叶变换的公式解释一下?(哈?哦....)
2. 解释一下什么叫做矩阵的正定?
3. 矩阵的四个空间是什么?它们之间的关系是什么?
 
接着是看了简历中的项目问的一些问题(但是真的,完全不在点子上啊哭):
面试官: 啊?深度学习的问题是非凸优化啊?那你们怎么解的?不可能啊..深度学习不是凸优化问题吗?
面试官:那你说怎么定义一个凸问题?
面试官:alhpa-go用的是神经网络吗?为什么就make sense呢?解释一下?
面试官:李飞飞那个图像集是用***嘛的?
ε=(´ο`*)))唉...
 
 
以上就是本人在提前批+秋招过程中的一些面试总结啦,希望这些面经能够稍微帮到大家一点点。
找工作不容易,算法今年更显艰难,之后的工作抉择也很艰难(地域,家人,平台...)。不过人生没有十全十美的事,全心全意奋斗过就不后悔啦!
希望大家都能去到适合自己的地方~