蛮感谢牛客网的, 拿到了些二线互联网的算法 offer, 待遇达到了牛客网起薪水平, 哈哈, 不过看到身边不少是一线互联网 sp, 打算蛰伏, 等待机会, 打个翻身战在多说一句, 现在大家晒 offer 很正常, 毕竟都是这个阶段了, 所以大家没必要喷, 你拿到好的 offer 也想有人分享
还有就是大家看到的都是很高的 offer 和学校有关系的, 我室友的真的都高于传说中牛客网的白菜价的, 不过大多数学校都没达到这个价位也是很正常的, 再过三年再比吧, 那就不是差 35w 的事情了, 让自己更值钱
很喜欢这个问题: 你选择 offer 最看重什么? 答: 钱和未来的钱
以下面筋都是靠记忆, 我没有记笔记习惯, 有些隔得时间差不多一个多月了, 记得不清楚先码, 慢慢补充
滴滴内推:
一面:
1. 算法: 最长不重复子序列(leetcode 原题);
2. 然后介绍自己的项目, 中间问了些问题;
3. 推导逻辑回归
3. 也许代码很快, 所以一面基本就这么过了
二面:
二面比较坑, 面试官着急走, 问的问题很快, 有些我还一直懵逼状态
1. 有种场景, 利用规则算法有着不错的效果, 可是利用规则之后的结果输入到模型中, 为什么结果还变差了?
2. 长尾数据如何处理?
3.GBDT 在什么情况下比逻辑回归算法要差?
4.GBDT 对输入数据有什么要求, 如果效果比较差, 可能是什么原因造成的?
5.DP,edit sitance 问题
6. 比较下逻辑回归与 GBDT
滴滴校招:
一面:
1. 算法, 有点醉, 和之前内推的题目是一模一样的, 又是最长不重复子序列, 秒解
2.sigmoid 函数可以优化梯度消失的问题么, 数学问题, 自己推导公式看下
3.sigmoid 函数求导, 与问题 2 有关
4. 神经网络非线性原因分析
5. 推导逻辑回归是的, 又推导了
6. 聊项目
7.hadoop 与 spark 比较
8. 如何理解 spark 是基于内存的
9.JAVA 多线程问题
10.SVM 核函数理解, 线性回归如何利用核函数, 有什么弊端
11. 笔试成绩不错, 说说笔试编程题有点醉, 不过还好比较简单还记得一点
我感觉一面面了快 90 分钟了
二面:
1. 写线性回归损失函数
2. 写个全排序
3. 比较下常用的聚类算法, 你如何理解在什么场景使用他们
4. 全排序有重复数字呢? 没写, 说了思路
5. 出了两个概率题, 题目有点忘了, 楼主没有答出来, 不过还好之前算法写的还行, 这个他也没怎么计较
6. 机器学习非线性模型以及线性模型解决非线性问题
三面:
1. 最短路径算法, 问的很深, 基本最短路径所有的算法都问了;
2. 图论中的问题, 感觉主要考你的理解能力, 最小割问题吧 (不确定) 解决思路和最小生成树有关, 时间长了有点忘了, 这题没有参考价值, 就是看理解能力;
3. 问了项目中的一个模型, 他问了各种优化思路, 我感觉撞枪口了, 这个模型的优化他绝壁很熟悉(三面一定要对模型认识比较深刻, 最好能有自己的优化想法, 能够吹逼);
4. 写个 DP,01 背包问题
京东
一面:
1. 算法, 二分法的扩展版本, leetcode 都有, 就那 45 道吧;
2. 算法, 快排, 我面试的时候隔壁有个广州来的表现不好, 冒泡快排都没写出来, 影响了我的面试官, 给我出了个简单的;
3.hadoop 问题, 类似二次好友问题, 一个 key 有很多个 value, 找出内容相近的 key(没说多相近), 我说了 simhash 和二次好友两种解决思路
4. 聊项目
5, 推导你最熟悉的机器学习算法, 楼主选了 SVM, 不想推导逻辑回归了
6. 说说你对机器学习的看法这问题厉害了
二面:
1. 写代码, 一个数组中有一个数字出现两次, 找出来
2. 代码, 判断一棵树是不是对称的
3. 比较随机森林和 GBDT, 选择一个重点说说
4. 如果随机森林数的树的个数无穷大, 你觉得会过拟合么
5.GBDT 对异常数值敏感么, GBDT 如何处理缺失值
6. 你是如何处理缺失值和异常值的
7. 对 hadoop 和 spark 了解程度
8. 能来实习么, 觉得自己适合做什么?
先写三个, 有时间在写, 其实大小也面试了十几家, 不过现在有事回家了, 错过了腾讯卡中心新浪和银联的面试, 就在刚才百度让我 15 号去面试, 估计又去不了, 注定与 BAT 无缘么
来源: http://www.jianshu.com/p/b78f6340ceb7