【面试招聘】据说这里有一份关于BAT的 “宝藏级” 面试记录终于可以看了！...
文章來源于海邊的拾遺者，作者守著光的
寫在前面????
? ? 作者是研二的學(xué)弟，實(shí)力強(qiáng)悍的清北大佬一枚，研究方向與求職方向高度一致，為圖機(jī)器學(xué)習(xí)/推薦系統(tǒng)，學(xué)弟本人非常有自己的想法，不光優(yōu)秀還極其自律，不光收割了BAT，還嘗試了難度較大的一些外企。話不多說，馬上就獻(xiàn)上這一份“珍藏版”面試記錄，內(nèi)容詳實(shí)，有一定的門檻，具有很高的含金量。如下僅為部分面經(jīng)，墻裂歡迎各互聯(lián)網(wǎng)大佬來撩！(可通過聯(lián)系小編，具體方法為點(diǎn)擊文章頂部左上方“海邊的拾遺者“進(jìn)行關(guān)注，并在頁面右上角選擇”星標(biāo)“公眾號(hào)，然后在頁面右下角點(diǎn)擊“聯(lián)系小編”即可聯(lián)系到大佬！)
螞蟻金服|AILab
一面
? ? 自我介紹。
介紹實(shí)習(xí)的工作，問了一些具體內(nèi)容。
了解哪些GNN， GAT和GCN的區(qū)別，如果圖很稠密的話，對GAT有什么影響。
兩道easy的算法題，BST和二分。
問我會(huì)不會(huì)一些傳統(tǒng)的機(jī)器學(xué)習(xí)方法，比如xgboost, gbdt。
深度學(xué)習(xí)優(yōu)化器的區(qū)別，Adam和SGD。
Transformer的結(jié)構(gòu), positional embedding等。
? ? 面試完以后面試官說他挺滿意的，介紹了下部門，說主要做圖理論算法的。但是我當(dāng)時(shí)比較想做應(yīng)用業(yè)務(wù)，所以就讓面試官就把我推薦到了他們經(jīng)常合作的另一個(gè)部門了。
二面
? ??到了螞蟻第二個(gè)部門繼續(xù)面試的流程。
? ? 自我介紹。
介紹下以前的工作。
講下graph embedding的發(fā)展歷史，有哪些有代表性的模型，都講講。
給了兩個(gè)螞蟻的場景題，讓我設(shè)計(jì)解決辦法，說思路。
反問。
? ? 總共不到半個(gè)小時(shí)，聊的感覺挺好的。面試體驗(yàn)很好。
三面
? ??晚上10點(diǎn)多面的。。。。，自我介紹完后簡單問了問項(xiàng)目和基礎(chǔ)的ML問題，大概10分鐘。
阿里媽媽
??? ? ?由于阿里只能最終在系統(tǒng)上選擇一個(gè)進(jìn)行投遞，我選了螞蟻，所以阿里媽媽這兒就停止了。
? ? 自我介紹。
問了python語言的一些屬性，list和tuple的區(qū)別。dict里key能否是list，如果自己改造的list可不可以作為dict的key。dict除了用hash實(shí)現(xiàn)還可以用什么實(shí)現(xiàn)。生成器，迭代器，裝飾器。
代碼題：一個(gè)隨機(jī)序列，找第k小的元素。最好的方法應(yīng)該用quickselect，時(shí)間復(fù)雜度是O(n)。quickselect在之后邊面別的公司的時(shí)候也被問了好多次，也算因禍得福了。
聊了聊項(xiàng)目。
問xgboost, gbdt原理及區(qū)別。
反問。
字節(jié)跳動(dòng)
一面30min
? ? 自我介紹。
直接兩道算法題：1.判斷t2是不是t1的子樹（說了暴力算法，面試官說還有更快的。。。被搞蒙了，結(jié)果發(fā)現(xiàn)他想要的就是暴力遞歸。最后面試官說我代碼有問題，我說沒問題，他檢查了下說奧是他搞錯(cuò)了。。。>.<緊張） 2.編輯距離，沒讓寫代碼，說了下思路。就結(jié)束了。
二面50min
? ? 自我介紹。
只聊了聊幾個(gè)實(shí)習(xí)經(jīng)歷的工作，細(xì)節(jié)問了問。Focal loss公式。
一道概率題：給一個(gè)木棍，切兩刀，問可以組成三角形的概率。有點(diǎn)緊張，想了1分鐘說了個(gè)錯(cuò)的答案。面試官就提示想想有幾個(gè)變量？畫到二維平面上？就想了到用線性規(guī)劃，然后就做出來了，1/4。
代碼題：隨機(jī)數(shù)組找第k大的元素。說了兩種，1是用heap，2是quickselect。第二個(gè)更快，復(fù)雜度是O(n), 然后把第二種的code寫了下，講了講。
三面30min
? ? 自我介紹。
聊了聊，介紹了3段實(shí)習(xí)經(jīng)歷。
代碼題：類似leetcode島嶼連通的那道題。
HR面30min
? ? 聊天。
微軟|STCA
一面30min
? ? 自我介紹。
代碼題：1.鏈表排序 2.subarray sum equals k。半個(gè)小時(shí)寫完code后開始聊項(xiàng)目。
講了實(shí)習(xí)時(shí)候做的工作。連帶著相關(guān)細(xì)節(jié)數(shù)據(jù)集的采集，idea怎么做的等等。
深度學(xué)習(xí)的相關(guān)知識(shí)，過擬合，cnn，rnn，lstm，激活函數(shù)，梯度消失梯度爆炸，batch normalization， adam 等等問了問。
對面向?qū)ο笫煜げ?#xff0c;有沒有什么經(jīng)驗(yàn)？
二面30min
? ? 自我介紹。
代碼題：給一個(gè)doc和一個(gè)摘要， 去查找doc里匹配摘要的位置(起始，結(jié)束)。能匹配多少就輸出多少。比如doc是abc， 摘要是ba，那么b和a都是在doc里有所匹配的。如果可以匹配多個(gè)，則返回最長匹配。
? ? 一開始沒理解題意，問師姐怎么劃分摘要里的句子，用句號(hào)？后來明白了不需要?jiǎng)澐?#xff0c;就硬匹配就行。面試官提示我建立一個(gè)倒排表，記錄doc里每個(gè)字符出現(xiàn)的位置，才終于明白了。coding了一下講了講，算法就過了。面試官說ok，coding沒問題算法就這樣吧。
介紹實(shí)習(xí)經(jīng)歷。簡單聊了聊實(shí)習(xí)做的東西，大概十分鐘。整個(gè)面試體驗(yàn)挺好的。
美團(tuán)
一面40min
? ? 自我介紹。
上來先介紹實(shí)習(xí)經(jīng)歷，項(xiàng)目。做法，細(xì)節(jié)，創(chuàng)新點(diǎn)都有問。從我做的東西出發(fā)，問了一些深度學(xué)習(xí)的問題，比如學(xué)習(xí)率，優(yōu)化器，BN, LN, 梯度消失爆炸，過擬合，正則化的方法等。如果訓(xùn)練的時(shí)候不同batch之間loss差別很大可能是什么原因？當(dāng)emebdding size特別大的時(shí)候怎么辦？
后邊做了一道非常簡單的題。給一堆學(xué)生，按成績排序。
問了python的語言特性，*args, **kwargs, yield，生成器，迭代器，python的垃圾回收機(jī)制。知不知道python多線程。python構(gòu)造函數(shù)是啥？
二面40min
? ??面試官看起來略微嚴(yán)肅，問了很多問題，問的很細(xì)。
? ? 自我介紹。
聊項(xiàng)目，基礎(chǔ)。
還有一些發(fā)散性的問題。比如怎么由用戶的外賣信息對用戶作其他方面的推薦（比如旅游）。
代碼題：求topk小的數(shù)。
Amazon|SDE
一面
? ? 自我介紹。
介紹項(xiàng)目。
代碼題：1.minstack 2.system design的題目，是最基礎(chǔ)的LRU。但是當(dāng)時(shí)沒做過，靠著面試官提示，半個(gè)小時(shí)最后終于把思路說對了，沒時(shí)間寫代碼了。
二面
? ? 介紹項(xiàng)目。
代碼題：給一個(gè)list，里邊有一些time，比如23:59, 14:00， 讓你返回里邊最小的時(shí)間間隔。在面試官的指引下，最后把時(shí)間復(fù)雜度降到了O(n)，因?yàn)閷?shí)際上可能的time只有1440個(gè)。
? ? 這題回頭看挺簡單的，唉，但當(dāng)時(shí)面試的時(shí)候自己好菜，就得靠面試官提示才到了最全，最優(yōu)解。最后面試官說我potential還不錯(cuò)，他后邊還要面很多人。等通知吧。
? ? 因?yàn)槭荢DE崗，感覺面試官傾向于聊計(jì)算機(jī)基礎(chǔ)，比如網(wǎng)絡(luò)，數(shù)據(jù)庫之類的。。。
騰訊|WXG
一面
? ??自我介紹。
寫一個(gè)堆（好久不寫了，都忘了堆了。。。寫了40min才寫完，發(fā)的那個(gè)在線coding的地方寫代碼會(huì)有重影眼花了都。。。，寫的有一點(diǎn)小問題，被check了一下，不過應(yīng)該還ok）。
問深度學(xué)習(xí)基礎(chǔ)。上來問我為什么要引入激活函數(shù)。我說是為了非線性。他說錯(cuò)，根本原因是為了scale輸出值防止梯度爆炸。我？？？然后問我sigmoid是非線性的嗎，我說是啊非線性的。他說不，sigmoid，tanh都是線性的，relu才是非線性的。? 我蒙蔽了，他又跟我講一開始引入sigmoid為了scale值， 防止梯度爆炸/消失，balaba。。。我無語了只能同意他了。。
問batch size有什么用？大的batch有什么優(yōu)點(diǎn)？
問基于字和基于詞的nlp方法有試過嗎，哪個(gè)好？
BTE聽說過嗎，我以為他問的BCE，又仔細(xì)問了一遍，確定沒聽錯(cuò)是BTE。不知道，后來查了下也沒查出來是啥。莫非想說bert？但他是一個(gè)一個(gè)字母讀的，我也沒聽到r啊。。。。
問nlp里decoder出來unknown詞怎么辦。我說decoder的softmax那里應(yīng)該把unknown mask掉的，就不會(huì)輸出這個(gè)了。如果非要輸出，就再訓(xùn)練一個(gè)模型學(xué)一下這個(gè)unknown應(yīng)該是啥。他說ok吧。。。
然后時(shí)間差不多快到了，就問我有啥問他的。我說有做推薦搜索的嗎，對話這個(gè)方向可能不是很match，我不了解。他說也有做推薦搜索相關(guān)的，簡單介紹了下。然后就結(jié)束了。。。
二面
? ??剛開始自我介紹我說想做推薦搜索的，和對話系統(tǒng)不太匹配，面試官就把簡歷給HR推到比較合適的組了。
? ? 自我介紹。
問了一個(gè)python的函數(shù)默認(rèn)參數(shù)的問題。答錯(cuò)了，面試官讓我打開命令行自己跑一下，然后給出解釋，并且改成這個(gè)函數(shù)應(yīng)該想達(dá)到的效果。然后連著調(diào)用兩次append_list('one'),append_list('one')，問兩次返回啥。應(yīng)該['one'], ?['one', 'one']。函數(shù)如下：
? ??但是其實(shí)這個(gè)函數(shù)的功能是想兩次都返回['one']，所以我改成了:
def?append_list(*args):if len(args) == 1:return [args[0]]args[1].append(args[0])return?args[1]代碼題：找到兩個(gè)list相交的點(diǎn)。? ??
接下來半個(gè)小時(shí)主要針對我之前的工作聊了聊，包括一些細(xì)節(jié)。
最后問了一個(gè)發(fā)散的問題。對于一個(gè)搜索query，如果這個(gè)query很長，里邊很多沒用的詞，那么怎么提高搜索的準(zhǔn)確度呢？我主要從模型上講了講，可以build一個(gè)模型來確定query里每個(gè)詞的重要度，用cbow/self-attention之類的模型。
最后面試官介紹了下他們團(tuán)隊(duì)，感覺不錯(cuò)，接下來等通知后續(xù)安排。
三面
? ??自我介紹。
介紹項(xiàng)目。
GNN發(fā)展史，GNN為什么可以work，GNN的數(shù)學(xué)原理。
self-attention的深層次原理是什么（不懂。。。），為什么work？
代碼題：一個(gè)單調(diào)棧的題，比較簡單，他那邊測了下test過了，然后就結(jié)束了。
HR面
? ??自我介紹。
問我你的缺點(diǎn)是什么？結(jié)果被追著問了好久，第一次有hr面要翻車的感覺。
? ??不過好在hr最后說今天是騰訊提前批的最后一天，應(yīng)該一會(huì)兒你就能看到狀態(tài)更新，下周會(huì)發(fā)offer，看來是通過了。晚上11點(diǎn)多收到了短信說恭喜通過了所有面試，具體offer溝通下周進(jìn)行。
快手
一面40min
? ??自我介紹。
機(jī)器學(xué)習(xí)/深度學(xué)習(xí)基礎(chǔ)，問了好多，有一些不會(huì)。
聊了聊項(xiàng)目，面試官對我做的方向不是太了解。
代碼題：帶重復(fù)元素的sorted array里尋找最左端的target。
二面1h
? ??一面通過了馬上就開始二面，感覺這輪的面試官特別聰明有活力。感覺這輪主要考coding。
? ? 自我介紹。
問了一些python的基礎(chǔ)，list, tuple, dict, generator, derocator之類的。
代碼題：1.zigzag打印二叉樹 2.給兩個(gè)等長字符串，輸出兩個(gè)字符串之間的個(gè)數(shù) 3.給第三個(gè)字符串，求兩字符串中間不包含第三個(gè)字符串的個(gè)數(shù)（leetcode上周周賽最后一題。。。太難了）不會(huì)做。就把第三個(gè)字符串簡化為字符，和面試官討論了一下。
Apple|Maps
一面20min
? ??自我介紹。
簡單介紹了下簡歷項(xiàng)目，說接下來還有一輪過項(xiàng)目一輪coding。等通知
? ? 但是后邊沒消息了，應(yīng)該是今年疫情的緣故，HC取消了吧。
總結(jié)
? ? 整個(gè)春招過程可以說經(jīng)歷地非常快了，體驗(yàn)也還可以，有失也有得，后面的路走一步看一步了。小編覺得優(yōu)秀的人本質(zhì)都是非常相似的，向優(yōu)秀的人看齊才是正確的姿勢，但是更優(yōu)秀的人更努力的例子不值得我們更加努力學(xué)習(xí)嗎。最后祝大家面試順利，一起加油！歡迎大家來交流～
往期精彩回顧適合初學(xué)者入門人工智能的路線及資料下載機(jī)器學(xué)習(xí)及深度學(xué)習(xí)筆記等資料打印機(jī)器學(xué)習(xí)在線手冊深度學(xué)習(xí)筆記專輯《統(tǒng)計(jì)學(xué)習(xí)方法》的代碼復(fù)現(xiàn)專輯 AI基礎(chǔ)下載機(jī)器學(xué)習(xí)的數(shù)學(xué)基礎(chǔ)專輯獲取一折本站知識(shí)星球優(yōu)惠券，復(fù)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(jìn)群：總結(jié)
以上是生活随笔為你收集整理的【面试招聘】据说这里有一份关于BAT的 “宝藏级” 面试记录终于可以看了！...的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。
- 上一篇： 【面试必备】通俗易懂的XGBoost、T
- 下一篇： 【机器学习基础】机器学习模型的度量选择（