这里是归辰的面经杂货铺，你想要的都有～

写在前面

作者是一名计算机科班的应届学弟，本文写在校招刚拿到offer后。

背景为计算机科班，从目前发表了一篇CCF C，本科主要是做语音合成方面的工作，研究生阶段转到了推荐这个领域，由于一直在实习，具体的准备时间大概是7月份才开始，主要是刷剑指Offer和leetcode。

在这里也欢迎各位从事推荐及NLP的小伙伴加入我们，一起交流学习，一起进步。

如下仅为部分面经，墙裂欢迎各互联网大佬来撩！

作者邮箱：349036633@qq.com

具体面经分享

8.06投递

8.12一面 1.5h

自我介绍。

• 项目：面试官对实习的项目特别感兴趣，一直在探讨实习项目的细节，基本上每一个部分都问到很细节，因此对于自己做过的项目一定要理解透彻才行，这样一是让面试官觉得东西的确是你做的，二是让面试官对你的能力有一个认知。之后又问了学校的产出，以及这两者的区别。

• 概率题：三枚硬币，一个全正面，一个全反面，一个一正一反，挑出一枚硬币抛出去，问，已知抛出的硬币朝上的一面是正面的情况下，另一面也是正面的概率。

• sql题目，数据分组取前TopK。

• 算法题：一个数组，只有一个数字不重复，其他的全是两个，类似于1225533这种，找出不重复的那个，这里用异或就可以了。

• 场景题：有新加入美团的1000个门店，每个用户来了以后，只能挑一个打广告给他，同时每个门店只有1000个广告的额度，试问如何广告投放能够受益最大化，如果是旧门店，又该怎么做。这里主要考虑人流量相比门店的广告额度，数量级会大很多，怎么在双向权衡的过程中找到最优。

• 反问。

8.13二面 1.3h

自我介绍。

• 选择实习项目进行深入的探讨，谈到用到了bert，询问bert原理，bert的优点和缺点，以及bert的耗时问题。每一个项目从背景开始，谈到了开始的思路以及数据特征准备阶段的考虑，以及base模型的选择思路，离线测评的评估方式，线上AB测试是否遇到过什么问题。同时还argue了很多我当时做项目的出发点。

• gbdt+lr和只用gbdt的区别。

• 算法题：三数之和，分为等于0的情况，等于k的情况。

• 反问。

8.14hr面 40min

自我介绍。

• 实习的感觉和收获，问了是否考虑过在之前实习的公司转正？

• 觉得自己最有成就感，做的最好的项目是什么。

• 如果给offer是否可以提前来实习，是否考虑一直留在北京。

• 是否投递了别的公司，有别的offer。

• 反问。

总结

总的来说，美团的面试体验还是非常棒的，效率非常的高，三天直接走完了所有的流程，并且面试官都非常的善于倾听和诱导，遇到不会的会给出提示，耐心等待。一面更多的是了解，探讨，二面更多的是从细节和本质出发，把里面面试官觉得有问题的地方一一解决。我觉得一个抓人眼球的项目还是很重要的，相对来说面试官对项目感兴趣，就会相对地减少基础知识以及手撕算法题的数量，但同时项目的细节以及存在的问题和改进的方法一定要想明白，争取每次面试之后都要把自己的项目包装得更好。另外基础也非常重要，机器学习相关的算法一定要吃透了。

写在最后

实习工作和在学校还是有很大的区别的，在学校我们可以单机埋头跑实验，得到一点提升就很ok。但是实际业务场景对时间资源都是有严苛的要求的，所谓大数据时代，10亿+级别的数据太常见了，只有实习工作才能接触到如此庞大的数据，学会怎么优化。当时同样的数据同样的任务，我的mentor20分钟跑完了，我却跑了两个小时，这就是巨大的差距。其次，面试的时候从自我介绍以及项目的介绍的时候开始就要学会引导面试官，让他问你最擅长的东西，并且每一次面试都要有总结，修改重新包装自己的项目。最后就是坦诚，不会就是不会，并且千万不要过多的沉默思考，面对问题，尽快给出反馈，实在想不出来可以询问面试官的提示，这样不至于让整个面试过程拖沓。

希望大家都能成功上岸，找到最合适自己的工作，我觉得好的工作一是自己喜欢的领域，二是对自己整体的提升有一个明确的规划，三是待遇要合适，毕竟还是要恰饭的嘛。也希望自己也能拿到心仪的offer！

最后祝大家面试顺利，一起加油！欢迎大家来交流～

往期精彩回顾适合初学者入门人工智能的路线及资料下载机器学习及深度学习笔记等资料打印机器学习在线手册深度学习笔记专辑《统计学习方法》的代码复现专辑
AI基础下载机器学习的数学基础专辑获取一折本站知识星球优惠券，复制链接直接打开：https://t.zsxq.com/662nyZF本站qq群1003271085。加入微信群请扫码进群（如果是博士或者准备读博士请说明）：