作者?| Patric? ?整理?|?NewBeeNLP

面試錦囊之面經分享系列，持續更新中?

歡迎后臺回復"面試"加入討論組交流噢?

寫在前面

渣本渣，因為大數據方面我了解的太少了，所以在面試過程中很多關于大數據的問題我都回答不上來。

背景相關

碩士澳洲八大，IT。本科末流985，非IT。碩士因為跨專業，學的是Course Work，期間運氣比較好，有機會和幾位老師一起做了幾項ML相關的項目，因此畢業后找的工作都是算法相關的，希望能夠幫助到正在找工作的小伙伴。

面經

無論面試通過與否，都十分感謝在面試中遇到過的每一位面試官及HR小姐姐。大多數的面試官都非常nice，都在有意的引導我回答出正確答案。感覺面試比較玄學，面試過與不過，主要取決于基礎知識，除此之外也取決于眼緣。

騰訊算法（一面掛）

• 自我介紹

• 項目細扣

• LSTM與RNN的區別

• 梯度消失/爆炸產生原因

• 梯度消失解決方法

• 梯度爆炸解決方法

• Word2vec方法有哪些/區別

• 集成學習了解嗎

• XGBOOST/GBDT簡單介紹，區別

• 無手撕

字節跳動算法（三面掛）：

一面

• CNN中感受野/權值共享

• Resnet理解

• Resnet相比全連接什么區別

• Alexnet/VGG/Densenet/Googlenet

• 什么是梯度消失/爆炸

• RNN/LSTM解釋

• LSTM怎么緩解梯度消失/Resnet怎么緩解梯度消失

• 有什么方法能解決梯度消失

• 集成學習

• XGBOOST理解

• 手撕兩道：

• Two sum

• 最長公共子序列（理解成子串-子串手撕一遍，子序列在子串基礎上修改）

二面

• 自我介紹

• 項目細扣

• 如何避免過擬合

• LSTM理解

• XGBOOST理解/損失函數/正則怎么算

• XGBOOST與GBDT對比/ Random Forest理解/Boosting與Bagging對比

• 為什么XGBOOST在大賽上表現很好/與GBDT相比優勢

• 手撕兩道：

• 島嶼問題

• 編輯距離

三面

• 自我介紹

• TCP哪一層

• HTTP/HTTPS區別

• HTTPS為什么Security

• 線程與進程

• 鎖/悲觀鎖樂觀鎖

• 手撕一道：

• LC Hard。題目忘記了，只記得dfs+dp，撕了20多分鐘才撕出來。

360算法

一面

• 自我介紹

• 項目細扣

• 特征工程

• Precision/Recall/F-score/ROC/AUC

• AUC計算

• 項目為什么選用AUC和F-score，為什么不選用Recall

• LSTM與RNN的區別

• 梯度消失/爆炸的原因及解決方法

• word2vec方法介紹

• Transformer了解嗎/Bert了解嗎

• 除了神經網絡，傳統的機器學習算法了解嗎

• Boosting和Bagging區別

• 簡單介紹下XGBOOST/GBDT

• XGBOOST和GBDT區別

• SVM/SVM核函數

• 無手撕

二面

• 自我介紹

• 項目細扣

• Precision/Recall/F-score/ROC/AUC

• LSTM與RNN

• CNN中怎么做的卷積/卷積的優勢/卷積之后接什么層/為什么做pooling/都有哪些pooling

• 卷積層/Pooling層（mean/max）的反向傳播

• 卷積層參數量計算

• 梯度消失/解決方法

• Resnet

• XGBOOST/GBDT/SVM/RF

• 特征工程

• 學過什么課/看了下成績單

• MapReduce/Spark/Hive

• Mit6.824

• 手撕一道：

• 記不太清了，沒有Hard那么費勁，應該是Medium/Easy難度。

HR面

• 自我介紹

• 跨專業/Gap一年干什么了

• 愛好等個人問題

• 城市選擇

• 部門選擇理由

• 期望薪資

• 入職時間

華為硬件研究院算法（一面掛）

一面

• 自我介紹

• 部門介紹

• 崗位不太相符/為什么選擇

• 各基本算法理解/時間空間復雜度

• 口述鏈表翻轉

• 手撕兩道：

• 二分

• 堆排序

東芝語音識別算法

一面

• 自我介紹

• CNN/RNN/LSTM理解

• SVM/RF理解

• Precision/Recall/F-scor/ROC/AUC

• 語音識別算法

• 特征工程 -無手撕

筆試

• 前四道題都不難，LC Easy難度

• Python Keras 搭一個基本的CNN

二面（全程英文）

• 自我介紹

• 為什么選擇東芝

• 澳洲生活

• 入職時間

花椒直播算法

一面

• 自我介紹

• 項目細扣

• 激活函數/比較

• RNN理解

• LSTM門控/作用/各門的激活函數選擇原因

• SGD/BGD/momentum/Adam對比

• Adam優點

• Resnet理解

• CNN各種模塊/名詞解釋

• 梯度消失/爆炸的原因/緩解方法/解決方法

• 常用的語言/庫/tensorflow-Keras/Theano/Pytorch

• 卷積層/Pooling層/dense層細扣

• 集成學習/Boosting/Bagging

• XGBOOST/GBDT/Random Forest

• XGBOOST的損失函數

• XGBOOST怎么避免過擬合/ XGBOOST正則

• 隨機森林的隨機性體現在哪兒

• LR/SVM理解

• SVM核函數/作用

• Wrangling/項目Wrangling解釋

• 無手撕

二面（相當帥的一個小哥哥/眼睛帶笑）

• 自我介紹

• 項目細扣

• Word2vec理解/CBOW和Skip-gram對比

• Bert

• SVM理解/手推（太久沒看了沒推出來）

• LR手推

• XGBOOST/GBDT/Random Forest

• 各模型參數解釋/不同場合不同參數的影響

• RNN/LSTM理解/對比

• LSTM的方向傳播

• Kaggle比賽中LSTM及GRU的選擇

• CNN細扣

• 手撕一道：二分

Boss直聘算法

一面（面試官小姐姐很好看）

• 自我介紹等

• 項目細扣/各種參數/方法/架構等設置及原因（非常非常細）

• 主要是關于大數據方面的考核，這方面并不擅長。

• 手撕一道：大數據相關的題

面試官小姐姐非常非常nice。大數據并不擅長，小姐姐一直在引導我，人也很美！

二面

• 自我介紹

• 項目細扣

• Word2vec理解/CBOW和Skip-gram對比

• Bert

• SVM

• XGBOOST/GBDT/Random Forest

• 激活函數

• Optimizer對比

• Adam優點

• LSTM/RNN

• 梯度消失/爆炸

• 項目細扣

• 無手撕

三面

• 自我介紹

• 項目細扣

• 各種真實場景下的解決思路/例如做推薦都需要哪些特征，每種特征該怎么得到

• 無手撕

HR面

• 直切主題，很干脆，nice！

尾巴

以上列出的是我能回憶起的比較有代表性的面試，其他公司例如其他互聯網企業或國企銀行等，如果有小伙伴需要也可以告訴我。除此之外，以上列出的面試經歷也有很多問題記不太清了，可能或有一定程度的缺失。

希望大家都能拿到心儀的offer，也希望大家在日后的工作中更加努力，加油，加油，加油！

-?END?-

往期精彩回顧適合初學者入門人工智能的路線及資料下載機器學習及深度學習筆記等資料打印機器學習在線手冊深度學習筆記專輯《統計學習方法》的代碼復現專輯 AI基礎下載機器學習的數學基礎專輯獲取一折本站知識星球優惠券，復制鏈接直接打開：https://t.zsxq.com/yFQV7am本站qq群1003271085。加入微信群請掃碼進群：

總結

以上是生活随笔為你收集整理的【面试招聘】春招面经集合 | 腾讯/字节/华为/东芝/360/Boss的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。