点击上方，选择星标或置顶，每天给你送干货！

阅读大概需要11分钟

跟随小博主，每天进步一丢丢

作者 | 阿毛冲冲冲

来源 | 牛客网，见『阅读原文』处

整理 | NewBeeNLP，本文仅供学术交流，如有侵权，请留言联系小编处理。

写在前面

三月面试了好几轮，写个帖子记录一下问过的问题，为接下来的其他公司的面试查漏补缺一下，也给大家一些准备的方向。

腾讯

一面（凉）

• 自我介绍

• 问做过的项目，同时在过程中穿插用过的模型的问题，比如

• • word2vec两个模型的损失函数是什么

  • cbow和skipgram的比较，为什么skipgram会更好，哪个的计算复杂度高

  • 为什么使用随机森林

  • 决策树的分裂方式是什么，根据什么变量来决定分裂变量

• 手撕代码

• • 给一个数N，k，每一轮可以进行两种操作的其中一种：①所有的数拆分成两个更小的数；②所有的数-1。已知拆分操作只能进行k次，问 最少需要多少次把所有数都消去

• 给一串数列，这串数列有正有负，但是总和为0。每个数xi代表一个村庄，正的表示村庄想卖出xi份水果，负的表示想买入xi份水果。两相邻村庄间的距离是相同的，单位距离运送一份水果的运费均相同，每份都是k。问，把每个村庄的需求和供给都解决掉需要的最少运送费是多少？

这是第一次面试，凉得很彻底，因为很多算法细节都没有好好复习，而且代码写的也不够整洁快速

字节tiktok海外版（南亚组？）

一面

一个很年轻的小哥哥，人也很好

• word2vec两个模型的损失函数是什么

• cbow和skipgram的比较，为什么skipgram会更好，哪个的计算复杂度高

• 开放性问题：在视频推荐这个领域能不能用上embedding的思想，如果可以，要怎么构建和训练模型。

• • 这个问题我没答上来，然后面试官给了提示，说有用户观看视频的一系列记录和搜索记录blabla，但我还是没想出来。正确的打开方式是用word2vec的方法训练出一套视频的embedding和用户的embedding，详情可以搜索一下youtubeNet这篇论文，https://zhuanlan.zhihu.com/p/97365203知乎上也有解释。看完之后受益匪浅吧

• 手撕代码

• • 一个是二分查找，很简单的

  • 一个是给定一个数组，输出所有他的全排列组合，leetcode原题 permutation

然后小哥让我回去安静等消息，一度以为我凉了，过来一周问了hr有二面

字节二面

感觉面试官对于要不要实习生不太在意（捂脸 可能因为不太缺人吧 二面面试官直接问机器学习问题的

• 解释一下过拟合和欠拟合，怎么发现过拟合问题，怎么解决过拟合

• 你说到正则化问题，正则化有哪几种方式

• 正则化这两种方式的区别和公式分别是什么

• 你说l1会使得特征系数稀疏化，为什么呢（岭回归和lasso回归的区别）

• 你说到lasso回归有特征选择的作用，有哪些特征选择的方式

• 有哪些常用的降维方式

• 手撕代码

• • 判断链表有没有环；判断链表的环的起点

  • 给定n个区间[a,b], 找到最小的区间[x,y]，使得n个区间都至少包含一个数落在这个[x,y]中（不会啊救命）

然后面试官就让我等答复了（我以为差不多凉了吧，然后三面面试官进入聊天室，我只能继续了23333。其实二面有很多答不上来的问题，所以当时真的内心是拒绝的，心态在崩溃边缘

字节三面

三面面试官让你直接开始讲讲你最熟悉或者最拿手的一个项目

• 这个面试官挺有批判精神的，他会指出你这个项目中的实验设置的不足，比如你词向量的优劣如果用情感分析的结果来进行评估的话，情感分析这个任务的选择合适吗，为什么？用lstm模型来评估两个词向量的优劣时，调参怎么调才合理？

• 词向量的训练原理和参数更新的细节

• 词向量怎么用到神经网络里面

• 手撕代码：

• • 两个有序数组的中位数（不要用O(N)的暴力算法，要用二分的思想）

  • 找出一个正整数数组中，没出现过的最小的正整数（不能先排序，要用比排序时间复杂度更优的方法）

两题都没撕出来，还是太菜了 自此字节抖音凉了

美团

美团的笔试还是做的挺差的，五题只做了两题，两题都只有27%。。

一面

• word2vec

• 训练过程训练原理

• 训练的损失函数

• 我看到你做多分类情感分析多分类问题的损失函数是什么

• Soft max的计算公式是什么？为什么使用指数函数？

• LSTM的信息传递机制是什么？他和RNN相比有什么优势。

• Bert

• 他和普通的Word2Vec模型相比优势在哪里

• 他为什么会有这样的优势(优势，指的是他能生成语境化的向量

• Bert中的 transformer

• attention multihead attention

• 注意力机制的运行过程是什么样的？

• 注意力机制中对于每一个词的分数会进行标准化，请问这一步的目的是什么

• 你刚刚提到batch normalization

• BN的作用是什么？它有四个公式，每一个公式分别是什么，有什么各自的作用

• 我对于每一个Batch 都计算出来了他对应的均值跟方差这些，它们相互独立的吗？还是会相互影响。

• 我看你大多数是自然语言处理的事件，你有做过计算机视觉相关的任务吗？回答：有机器学习课上尝试手写卷积神经网络的代码

• 卷积神经网络的权重是怎么更新的，平均池化和最大持化的反向传播是怎么运作的？

• 没有手撕代码，但是让我直接实现kmeans的伪代码，不用编译

总结来说，美团一面问的都很基础的深度学习问题，都答出来了，因为准备过，所以说的时候比较有自信，然后挺流畅的。面试官就说觉得我基础知识挺扎实的挺好的（这个小哥人很nice，也是第一个这么夸我的面试官，挺受鼓舞的，很谢谢他

二面

大部分问题和一面的很接近，但是面试官好像是一面面试官的老大，会从更多维度来问你

• word2vec训练过程的最后一步有什么办法可以优化softmax的计算，我没答上来，他就告诉我说是指数函数的计算会用查表来近似代替

• 你大部分用的神经网络都是比较浅层的，有没有试过更深的神经网络

• 有做过图像方面的深度学习项目吗

• 有没有在实践中应用过transformer

最后面试官的评价是基础知识比较好，但是实践经历和业界场景有差距emmm，然后面试才刚刚开始，没这么快能给你答复（好的我知道我是备胎了55555 美团是我很想去的公司，我面试的部门是做美团外卖的推荐广告业务的，在他们场景中会用到很多的深度学习的模型（图像+nlp）来提取特征和做推荐预估, 而且关注了美团的技术博客，他们做的很多东西我都觉得和自己做过的项目很match。

字节企业应用(EA)团队

一面：

这个部门做的业务感觉是开发内部应用来支持公司内部其他团队的，我记得面试官说的一个是给法务部的做一些文本的提取、分类应用？

问的问题不是很难，和美团的那几个问题很类似，都是围绕word2vec的训练原理，bert的原理和word2vec的区别，xgb和gbdt的区别之类的，比较基础
给了两道概率题给思路：

• 1-7的随机数等概率生成器，怎么等概率的生成1-5的整数

• 掷色子掷出六个不同的面的次数的期望

• 手撕代码：-leetcode的hard：最大矩形问题，面试官很仁慈没有让我用优化的dp或者其他方法做，直接让我写暴力解法的代码，他大概看了一下就说就这样吧

然后第二天hr就给我打电话约下一轮面试了

二面

• 面试官很随和，上来就问了一些general的问题，一个是可以实习的时长，一个是以后的职业规划是什么。

• 然后问简历里面你最拿手/熟悉的项目是哪一个，问了一下那个项目现在如果要发论文的方向，我说这个是一个应用型的项目，没有发论文的打算。

• 问了一下我c++的一个实现配对堆的算法。。。我竟然给忘了。

• 问了一个算法题，leetcode编辑距离，很快就写出来了。共享屏幕在自己的ide上实现的。问了算法的复杂度，再问能不能优化时间或者空间复杂度，我说可以，可以改成一维数组。

• 然后问了一道数学题，十个红球十个白球，无放回抽出10个然后红球互不相邻的可能性。没想好，不过具体思想就是一红一白相间地摆好先，然后再在白球红球之间插入白球，面试官说时间关系就先这样了，但是很接近了。

• 最后面试官评价说我应该平时刷题刷很多吧（拼命点头

过了一天半收到了三面通知，是hr面啦

hr面

• hr很和善，先问我为什么能五月开始实习，不用上学吗，我说我（美硕）四月底就放假了，所以有四个多月能回国实习。

• 然后问我投日常实习动机是啥，我说争取转正offer和积累经验。

• 然后问为啥选头条捏，我说了一堆很土的理由，什么梦寐以求的公司啦，面试官面试表现很专业，岗位很匹配，大公司能有更好的成长啦blablabla

• 然后就问我有什么要问的

• 问了这岗位能不能转正，她说转正概率和校招实习是一样的，会公平对待所有实习生，主要看你实习的产出能不能做出贡献。而且转正也还需要三轮技术面+一轮hr面

• 问了EA部门未来的发展方向，好像2b业务现在是国内互联网市场上比较大的一块地盘，是字节未来想要攻坚的方向blablabla

• 最后问了后续流程，周一给答复

阿里蚂蚁

一面

面我的是多方安全团队，问了很久他们做的东西，具体还是不太懂，大概意思就是法规限制了我们获取的数据规模和维度，要用有限的数据进行风险评估（比如银行贷款啊之类的）

• 问了我们硕士是授课型还是论文型，问了我们现在专业学习的东西和机器学习相关的部分有哪些，

• 然后问了我做词向量的项目，问优化方向之类的，有没有根据文本特征做定制化的算法调整

• 然后问了xgboost和randomforest的区别。什么场景表现会更好之类的。

• 然后问了一道逻辑题：两个人抽100个球，你是先手，每次两个人只能取1-6个球，问怎么抽才能使得你是最后一个把球抽完的

• 问了一道挺基础的算法：找出有序数组中位数，想优化时间复杂度。

  感觉不是很匹配，面试官的意思是想要的是那种潜力型，会融合很多算法，开发新算法的人才，我太菜了

  说个正事哈

  由于微信平台算法改版，公号内容将不再以时间排序展示，如果大家想第一时间看到我们的推送，强烈建议星标我们和给我们多点点【在看】。星标具体步骤为：

  （1）点击页面最上方“深度学习自然语言处理”，进入公众号主页。

  （2）点击右上角的小点点，在弹出页面点击“设为星标”，就可以啦。

  感谢支持，比心。

  投稿或交流学习，备注：昵称-学校（公司）-方向，进入DL&NLP交流群。

  方向有很多：机器学习、深度学习，python，情感分析、意见挖掘、句法分析、机器翻译、人机对话、知识图谱、语音识别等。

  

  记得备注呦

• 推荐两个专辑给大家：

  专辑 | 李宏毅人类语言处理2020笔记

  专辑 | NLP论文解读

  
  整理不易，还望给个在看！