你不可不知的18家算法面经，吐血整理
加入极市专业CV交流群，与6000+来自腾讯，华为，百度，北大，清华，中科院等名企名校视觉开发者互动交流！更有机会与李开复老师等大牛群内互动！
同时提供每月大咖直播分享、真实项目需求对接、干货资讯汇总，行业技术交流。关注 极市平台 公众号 ，回复 加群，立刻申请入群~
作者：求一个好offer求求
来源：https://www.nowcoder.com/discuss/313143
本文已经作者授权，禁止二次转载
简介：本人2020届毕业生，双非本，末流985硕，科班出身，真的很菜。找的是算法岗的岗位。现在秋招接近尾声，我从牛客网上受益颇多，于是想回馈下大家。两个渣项目外加一个CTR比赛，leetcode刷了一百道，剑指offer刷了四五遍。
我找到的工作也不是多么的好，希望大家不喜勿喷，哈哈哈哈哈。
收到offer：斗鱼、浦发、携程、快手、多益网络、阿里（测开）
面试的公司：作业帮、追一科技、百度、浦发、乐鑫、小红书、斗鱼、360、同程艺龙、携程、华为、美团（拒绝）、58同城（拒绝）、网易互娱、招商银行信用卡、快手、阿里、电信云、陌陌、平安智慧（拒绝）、中兴
笔试没过的公司：网易雷火、大疆、贝壳、东方财富、广联达、完美世界、京东、汇顶科技、苏宁、新浪、学而思、瓜子、招银网络科技、爱奇艺、搜狗、欢聚时代、旷世、度小满、咪咕、阅文、同花顺、滴滴、腾讯、声网、海康威视、中金所、明略。
下面详细说说面试每家公司的面经吧，有些太久远记不大清了，所以不能很完整复述还请原谅。
快手（offer）：
一面：
1、kmeans，K值选择，初始点
2、tensorflow原理，keras和他的区别
3、xgboost、正则化、怎么优化，boost算法
4、dropout原理，欠拟合，过拟合
5、分析代码复杂度，
6、类别不平衡
7、怎么预处理
8、两个栈实现队列
9、你的职业规划、
10、SQL
二面
实现sqrt
最小二乘法原理
怎么打标签
集齐12星座平均需要多少人
sql
作业帮（一面凉）：
1、首先自我介绍，没有多余的话，直接做题，一道hard，一道mid（白板定义树，从建树到先、中、后序遍历，后序遍历不允许用网上最容易查到的那种方式），我作为小菜瓜，当然不会，凉凉。
百度（提前批一面挂，正式批三面都面完）：
1、说说你的项目，具体一点，数据是什么，为什么这么做，好处是什么，精度？
2、说下boosting算法，你了解的。
3、说一下LR和SVM的区别，要详细，LR和数据分布有没有关系？
4、聚类算法熟悉吗？
5、一个句子的逆序输出，I am a boy? boy a am I?，要bugfree，各种边界问题，特殊情况
6、现在有一亿个样本，你如何找到单词最相似的？
7、假设现在有一万个数据，每个数据被取到的概率是不同的，1/2,1/3,1/100,现在如果是你，你会怎么取这一批数据？，数据有好有坏
8、十进制转2进制的最优化算法？
9、python中 +和join的区别。
10、推荐算法了解吗？你怎么给用户做推荐。
这里特别提醒一句，百度的面试非常重视基础，不要整花里胡哨的，基础啊兄弟们。我二面的时候，机器学习那一套，从预处理到Model，每个细节都讲了，那75min，把我掏干了。
追一科技（一面挂，聊得很开心）：
1、Adaboost详细，adaboost的权值和RF比较
2、比赛的介绍
3、boosting算法
4、one-hot编码，以及logn的编码
5、前序，two sum 有序数组
6、卷积神经网络，好处是什么
7、为什么用小卷积核
8、介绍下项目论文
9、分类评价指标，ROC
10、线性回归为什么用均方差
浦发（现场面（offer））：
1、先做题，三四道题目，很简单，全A。然后面试15分钟，我最后还交了体检报告与背调。
小红书（三面挂）：
一面：做题，leetcode124题，磕磕绊绊做了出来。然后聊项目，问boosting算法细节，非常细
二面：聊项目，LR公式，设计一个实际模型，我忘记是什么模型了。。。。。。不难
三面：两个open case，①photoshop里面抠图是什么原理？怎么实现的 ②设计一个知乎推荐系统
事实证明，我三面答的不好，凉凉。三面挂的人很少很少。
360（二面挂）：
一面：
1、是个妹子面的，问项目，做题目比较简单，二分查找之类的
2、项目+简历，问了很多机器学习基础，LR、SVM、boosting一套细节。
3、调参细节
二面：
很玄学，二面聊得很开心，全基础问题，我也全部答了出来，面经找不到了，但是真的很简单，然后告诉我挂了。
同程艺龙（奇怪的公司，HR加我微信，说这两天给我发offer，现在一个多月了，似乎还必须要去实习，体验不好）
一面：
1、GCN公式推导来一遍，每个参数
2、GBDT和XGboost区别（具体点），为什么GBDT用负梯度当做残差，xgboost你讲讲，要详细，公式
3、xgboost为什么用二阶导
4、牛顿法公式推一遍、要公式
5、假设信息增益函数entropy(x,y),实现特征重要性的计算featureImportce(feature,label)(写代码)
6、用过哪些模型，说说，图自编码器、cnn等你了解深度学习模型
7、CTR怎么做的？MLR懂吗？分词是啥？
8、能不能来实习？不能来实习的话就......(我说，我懂你的意思)
二面：
1、了解FM、FFM吗
2、需要用归一化的模型有哪些
3、RF和GBDT区别、详细一点
4、CTR讲一下，大规模稀疏的特征怎么处理
5、怎么判断过拟合，有哪些方法，dropout和RF，dropout是随机的吗
6、模型的权重和特征的权重怎么处理
7、L1和L2正则，全部内容
8、对统计这一块了解吗？p值是什么
9、聚类算法，聚类怎么确定K值
10、AUC值在广告预测中的指标、NLP了解吗？
11、FM算法、FFM算法讲一讲
华为（打电话叫我转岗，我就投了AI&Cloud的开发，事实证明这个举动真的很蠢）
一面：
1、项目+做题，好像是排列组合的题目。
二面：
面试体验一般。上来问我会不会C，要求必须用C写代码。我说我不会用C，用java行不行，我写出来了。他说java不大行啊，我就不管了，这是我第一次遇见必须用指定语言做题目的。然后问我opencase，海量数据问题，我没答好。我承认我太菜了，我以为堆是数组，结果堆是树。我还和他battle一会，哈哈哈，sorry，的确是我的问题。然后挂掉
电信云（这个就面试体验超级无敌差！！！）
一面：
不问项目不问基础不问技术，叫我写pandas，我说我不记得函数名了，一般随用随查。面试官就很不开心了，然后问我python的边边角角，我又不记得，我只能一路说我不会。一共面了十分钟，甚至我以为我面了一家外包公司，八字不合，拜拜您嘞。
网易互娱（一二三面）
一面：项目+机器学习基础
二面：聊人生聊理想
三面：聊人生聊理想
凉
招行信用卡（二面凉）：
一面：项目、深度学习和机器学习区别、过拟合、正则化那些，boosting调参
二面：人工智能趋势、tensorflow用的多吗、接收加班吗、这里我嘴贱，我明明不懂deepFM，我还说了，他让我做个比较推荐算法那些，我不懂。友情提示：不懂得别瞎说
陌陌（这是我体验的比较好的一家，两个面试官超级有水平，点赞+1）：
一面：项目非常非常细，细到怀疑人生。正则化、过拟合、boosting、LR公式推导，梯度下降等等
二面：面试官直接说我们这个项目没什么实际意义，哈哈哈，我被怼了还很开心，因为他说的对。然后他还指导我怎么去水论文，我非常感动，真的很nice。
中兴：
聊人生聊理想，然后把我挂了。估计今年中兴都挑花眼了，我这个双非本科当然不行啦。
斗鱼（offer）：
两道编程（区间合并），手写tensorflow cnn全套，二分类，机器学习深度学习基础。
阿里测开（offer）：
阿里一共四个技术，一轮hr，第一轮技术冒泡排序、二分查找，java基础，线程进程等等；二面没有代码，问我项目，机器学习聊了很多；三面，open case；四面交叉面：比较难，问测试的内容，把我怼的一愣一愣，但好在我水过了。
先更新这么多吧，我想到什么再更新，我真的记不大清了。
下面开始技术总结：
1、基础很重要，至少那些model不要求100%，七七八八个大概你要能讲吧。
2、刷题很重要，我是个小菜瓜，我什么都不行，所以没去的了BAT。
3、运气比前两个都重要。
-End-
*延伸阅读
CV细分方向交流群
添加极市小助手微信（ID : cv-mart），备注：研究方向-姓名-学校/公司-城市（如：目标检测-小极-北大-深圳），即可申请加入目标检测、目标跟踪、人脸、工业检测、医学影像、三维&SLAM、图像分割等极市技术交流群（已经添加小助手的好友直接私信），更有每月大咖直播分享、真实项目需求对接、干货资讯汇总，行业技术交流，一起来让思想之光照的更远吧~
△长按添加极市小助手
△长按关注极市平台
觉得有用麻烦给个在看啦~