美图—算法工程师 笔试
美图我是在线笔试，比较坑的是题目分成选择填空问答三个部分，只有把前一部分做完并且确定提交了才能看下一部分。对于我这种经常做着后面经常想起来前面哪里哪里不对了的人来说简直是灾难。
题目还是比较难的。选择题考点比较多，像PCA,SVM,CRF等等。填空题第一题是给定的一串矩阵相乘怎么运算最快，其他的偏智力题，不是太难。问答题考的基本都是神经网络深度学习相关，一个问优化算法，一个问激活函数，一个问怎么优化网络怎么调参，一个开放题说项目中的问题解决方案等等。
感觉考的不怎么样。机器学习那些很久没看了。是时候补一波了。
多益网络 人工智能及大数据研发工程师
笔试：一笔是智力题就不多吐槽了。
二笔的话，我对多益还是有阴影的，秋招时候投的程序开发岗，感觉答的不错最后居然没过...然而春招投算法的题和秋招时候差不多。考点也大多在数据结构(树，链表)，数据库(读写，优化)，网络通信(三次握手)，算法(排序)，都好在都涉及的不深。(数据库...网络通信...一脸懵逼.jpg)还有一道翻译英语的题——和秋招一样，看来是个传统。
大题编程题比较简单，求两个整数(m,n)之间的所有的什么什么数(所有因子的和等于自身的数)。可能存在特别神奇的算法，但我用的朴素挨着找的办法似乎也没什么大问题。(可能扣点儿分？)
多益面试:
面试是在面试前一天傍晚了才发短信通知的，说是预计20分钟。完全没有时间准备，而且查官网说技术类只有一轮面试，我便开始有些慌了。
加了面试官小哥哥QQ，借了舍友电脑开始面试。
先自我介绍，可能我临时编的介绍太扯了(毕竟程序员才赖得听这些有的没的东西)，介绍了一半就被打断，要说些项目有关的。就项目(CNN和LSTM)问题深入问了一些，问的主要是我个人对于网络的优化，理解，改造的地方。其中有一段我说我用的NAG的优化方法，他问NAG相比于随机梯度下降的好处是什么，下降速度快还是更加收敛？当时有点儿懵逼，说都有吧。。事后想起来之前看到的一篇论文里面提到，在严格控制学习速率的前提下，随机梯度下降是可以收敛到最优的最优解的。感觉面试官是想让我回答这个，但并没有回答上。
之后问我其他的内容。
大约都有:频繁读写的时候用链表还是用数组？
给定两个排好序的数组甲和乙，在甲中寻找乙中元素是否存在。(当时我理解成了字符串匹配问题，讲了半天kmp和好坏后缀的算法，说不明白要举例的时候才发现理解错了。之后我想要用类似于二分法的方法实现，在甲乙分布均匀的时候可以大幅减少时间复杂度，虽然上限不变下限更高。但是面试官说还有更好的方法，时间复杂度可以达到o(m+n)，啥？o(m+n)难道不是暴力破解...朴素寻找的最低复杂度嘛，然后我把朴素查询的算法稍微说了一遍...感觉口腔溃疡搞得我说话他都没听清/懂，或者是舍友耳机的麦克风太难用了...)
把扑克分成3堆，大小王在同一堆里面的概率。
写一下朴素贝叶斯公式和推理过程。...(针对分类问题)
好像没其他的了。
问他(人工智能相关)在公司主要研究哪些方面或者说干什么。回答大约是主要聊天机器人还有其他什么。用的最多的应该是nlp和图像处理。
问有几轮面试，回答说看面试情况而定。突然感觉就凉了...
