从今年3月份暑期实习到秋招一直投的算法岗（数据挖掘、机器学习），今年听说投算法的人特别多，竞争激烈，自己之前本来想去金融，后来觉得还是喜欢互联网，从去年11月才开始好好看书，又不是CS科班出身，所以面试毫无优势可言。基本上把大半个互联网公司都面了一遍，虽然挂的太多，但面试官水平都很高，面试中也学到了很多东西，认识到很多地方不足，要学的东西太多。我自己做过的项目主要是推荐系统和nlp，图像了解过一点，所有面试主要还是围绕项目展开。有的时间太久，细节想不起来了，想起来再慢慢更新，把不知道的知识点补上。

面试主要考察点：

项目+机器学习（深度学习）基础+数据结构与算法+开放题+智力题（偶尔有）

携程（实习）：

1.讲项目

2.写一下LR损失函数

3.SQL题，很简单，但当时没想出来…

4.GBDT、xgboost用过吗，解释一下

5.距离公式有哪些（余弦距离等）

6.特征怎么选择

7.随机森林

8.二阶的优化算法知道吗，讲一下BFGS

9.有没有做指数衰减

滴滴（实习+校招）：

过完年回来，参加映像最深刻的实习面试，全程3小时，其实问的很基础，但是自己没有好好准备，很多基础掌握不牢。

1.讲项目

2.SQL：left join、inner join区别，写了一道题

3.SVM是什么、核函数有哪些、怎么选择

4.LR损失函数推导一下

5.随机森林、Adboost

6.AUC、ROC、recall、precision写公式，AUC的直观解释

7.CNN的卷积公式

8.损失函数不可导，梯度下降法怎么办？（次梯度？）

9.Python中list和tuple的区别

10.正负样本不平衡怎么办

11.决策树怎么剪枝

12.问了些数据结构

校招：

1.写个快排、改进、find（s,p），写了4道代码题

2.200G日志用笔记本找Top100的query

3.解释一下xgboost

4.项目中用到了哪些特征

5.写代码：二分查找、实现一个栈（查找、删除、插入等操作）

6.DNN和CNN有哪些区别，CNN有哪些优点

7.LR和SVM各自有什么优点和缺点

阿里（实习+校招）

内推的蚂蚁的风控部门

一面：

1.7月底就打了电话，主要是讲项目，然后针对项目提了很多问题，面试官水平很高

2.数据样本构造、样本选取

3.讲了word2vec以及怎么应用

4.看过什么前沿的论文，怎么运用

5.垃圾评论检测

二面（挂）：

1.文本相似度计算为什么不用SVD…

2.了解哪些优化算法

3.为什么用wide and deep，不用lr+dnn集成学习

腾讯（实习+校招）

实习做了笔试，邀请到酒店面试，是一个小哥，很和蔼

1.自我介绍，讲了一个项目

2.Xgboost、随机森林的区别，xgboost怎么并行，树个数和深度怎么选择

3.L1、L2正则化的区别，为什么L1得到稀疏解

4.解释一下SGD、drop_out、神经网络的BN层

5.代码题：最大子序列的乘积

6.了解分布式计算，并行计算吗

（第二天查了状态是复试中，但到最后也没收到复试通知，最后一天查状态挂了…）

秋招内推，腾讯游戏的部门

一面（视频面，全程写代码）

1.写LR公式

2.DNN前向传播、反向传播，求梯度

3.实现一下shuffle函数

4.了解强化学习吗（不了解）

二面（挂）：

1.讲项目

2.K-means、随机森林、DNN怎么调参

3.怎么防止过拟合

4.C++内存怎么分配（说不知道，直接跪）

5.写C字符串拷贝函数strcpy

6.写判断是否二叉排序树

美团（校招）

1.推荐算法：SVD、协同过滤等，怎么做推荐的

2.解释一下CNN、RNN

3.数据怎么预处理、特征工程

4.特征选择怎么做、决策树怎么分裂的

5.推荐系统好坏评价

6.解释一下A\B测试

7.提高外卖配送效率，需要考虑哪些因素

8.样本怎么构造、数据量有多大

9.余弦距离和欧氏距离区别

10.评论反作弊（被问了不下于3次）

京东（实习+校招）

校招投的上海这边算法组，面了两面说对我很满意，要给部门老大看，但不一定有offer，因为老大手上简历太多…

1.讲项目，特别是衡量指标（PSNR、AUC）

2.怎么做推荐的

3.决策树、GBDT、Xgboost讲一下区别

4.Sql题：怎么用join实现分组排序和分组累加和

5.问了项目的word2vec和doc2vec算法

6.LSTM和RNN区别，LSTM语言模型解释一下

7.了解Attention机制吗

8.用过spark吗(没用过)

百度（校招）

先是内推，面完3面后很久没收到消息，就知道挂了

一面：

1.xgboost与GBDT比较

2.Python中numpy为什么快，说用的C实现，然后问C++中STL底层，完全不会

3.Python中能表示的最大数

4.怎么做推荐、文本处理方法

5.写代码：求两个字符串的最小编辑距离

二面：

1.CNN怎么做文本分类

2.怎样快速计算x的根号3次方，有内存限制，不能调库函数（这个问题纠结了很久）

3.为什么文本相似度要用余弦公式而不用其他的?

三面：

经理面，从技术到人生都问了很多

1.写个代码，求两个有序数组的交集，O(n)，没想出来，只想出了一个二分查找

2.协同过滤

3.开放题，输入一个刘，弹出刘德华之类的，怎么做

校招霸面:

二面是百度凤巢的，感觉水平很高，答的不好，挂了

1.信息熵、信息增益、相对熵、交叉熵、互信息、基尼系数

2.常用的有哪些损失函数，推导一下log loss的梯度

3.写个代码：快速排序，平均时间复杂度、最坏情况

4.怎样确定采样的样本数量

5.特征工程怎么做

6.特征值、特征向量解释一下

7.解释一下决策树、随机森林

8.推荐系统考虑的因素

9.路径优化考虑哪些因素

10.写个代码：字符串去重函数

爱奇艺（校招）

1.写个二叉树反转

2.信息熵公式

3.CNN卷积的物理含义、pooling的作用

4.画一下word2vec中的skip-gram模式图

5.概率题：54张抽出2张同花色的概率，大小王任意一种花色都不算

其他公司

1.LR与SVM有什么区别

2.用过哪些Python库，介绍一下pandas中的dataframe

3.介绍一下MapReduce过程，与spark中的shuffle有什么区别

4.k–means的缺点，怎么改进，如果数据类在不断增加怎么办

5.决策树怎么剪枝的

6.LSTM与GRU的区别，经典的CNN的区别

7.EM算法，收敛条件

还面了华为、唯品会、银联之类的，基本都是聊项目，所以没什么好写的，但一定要对做过的项目很清楚明白，有很深刻的理解才行，其他的后面想起了再更新