时间：2017 年 3 月
岗位：算法工程师，大数据部门
结果：三面通过，进入谈薪
条件：三年外企国内研发，Rails 全栈，机器学习 2 年，深度学习刚接触
一面（工程师）
- 聊简历
- 做过的项目
- CNN 原理
- RNN 原理（简单提了下）
- 写题
- 组合特征计算，A = [a1, a2, ..., an], B = [b1, b2, ..., bn], 输出 AB 之间 (ak, bk) 或 (ak1, bk1, bk2) 或 (ak1, ak2, bk1) 的所有组合。
- 2 items 好说，叉乘一下
- 3 items 对另两个需要注意不重复，bk1, bk2 跟 bk2 bk1 是一样的，抽出一个 bk1 之后 bk2 要在 bk1 index 之后的列表中抽取
二面（工程师）
- 聊简历
- 做过的项目
- CNN 原理
- 神经网络反向传播
- 机器学习基础，过拟合（训练集不错，测试集不行v）；学习率选择；评价指标，精确 / 召回 等（后来查了下，准确率跟这俩不太一样，注意）
- 写题
- 一个有序整数链表 [1, 2, 4, 6, 7, 10]，插入一个整数，设计结构怎么让效率最高
- 自然的思路是双向链表，存最大的数，比较插入的数字，考虑从前还是从后插
- 还是得建立一个二叉树，这样插入效率比较高，但是需要考虑平衡（面试官说不用考虑平衡），那么可以从这个列表的中点进行建树，先建一个相对平衡的二分搜索树，再插入
三面（技术负责人）
- 聊简历
- 做过的项目
- CNN 原理
- Hadoop 经验
- 机器学习基础，过拟合、学习率、评价指标
- 遇到过的困难及如何解决
- 未来期望
总结
总的难度不算高，偏基础，算法题也是不太刁钻，面试体验上不错，时间略长，大概 3 个小时。猎豹移动在姚家园地理位置上略偏，但是园区挺大，有班车，加班较多，百度和雅虎北研的来的多。
自己来说可以在以下方面进行提高：
- C++ 上基础不多，增加 C++ 经验，去刷题或写一些类库。
- 大数据处理的经验有限，多熟悉熟悉那一套，多在较大数据集上做事情。
- 深度学习经验有限，持续关注这个领域并亲自实践。
- 神经网络等公式推导等内功需要持续加强，以后面试肯定要多
