面經雜記

本文用於記錄本人七月開始的包括實習、秋招提前批以及秋招正式批等各項面試經歷。爲了突出重點，除了完整記錄手撕代碼題之外，僅記錄當時回答的不太好的知識點，或者是重點考察點，用於自己日後複習提高。

【算法 - 秋招提前批】【作業幫】一面/二面（現場） 2019.07.12（週五） 16:00~17:40

• 一面
  算法題
  a. 旋轉數組查找某數K：二分思想
  b. 合併有序數組：不使用額外空間，從後往前比較覆蓋，注意邊界條件
  LSTM：與RNN優勢，畫結構圖，$\sigma$激活函數作用，導數形式，是否會有梯度消失/爆炸的問題(《百面》P238)
  Decision Tree：信息增益與信息增益比的區別，ID3與C4.5區別(選擇函數、連續/離散特徵)，GBDT特點，推導

• 二面
  算法題：用[st, ed]表示座標軸上的線段。S1, S2分別表示兩個集合，元素爲不同線段。判斷 S2中的線段能否被 S1線段構成的區域完全覆蓋。

【算法 - 秋招提前批】【字節跳動Data部門】一面/二面（現場）2019.07.15（週一）17:30~18:50

• 一面
  TCP/UDP：TCP與UDP區別與特點
  進程與線程：線程間通信，進程間通信，進程線程的區別與特點
  LUR相關
  算法題： 每2個一組反轉鏈表：考察指針細節操作，前序連接、本地反轉以及後繼連接三者均需要考慮到，適用dummy傀儡指針trick可以簡化指針操作。

• 二面
  算法題： Z字形打印二叉樹：層序遍歷變體，可用兩個棧或奇偶標誌

【算法 - 實習】【騰訊AI教育部門】一面（電話）2019.07.17（週三）21:00～21:40；二面（電話）2019.07.19（週五）14:30～21:50

• 一面
  LSTM參數個數計算
  餘弦相似度與歐式距離的區別與各自的特點
  爲什麼要用Bi-LSTM
• 二面
  HMM
  雅可比矩陣，海森矩陣，牛頓法，擬牛頓法

【算法 - 實習】【第四範式AI研究組】一面/二面（現場）2019.07.18（週四）15:00～17:00

• 一面
  算法題：
  a. 原字符串acbcabd，需刪除字符a、b、d，則刪除後返回ccab。即刪除字符對應最小索引。
  b. 逆時針打印下三角數字矩陣，如n=4時，打印:

1
2	9
3 	10 	8
4 	5 	6	7

• 二面：略

【算法 - 實習】【滴滴地圖事業部】一面（現場）2019.07.19（週五）10:00～11:20

算法題：已知元素集合[2, 1, 8, 6, 3, 9, 5]以及直接關聯的元素對[(1, 2), (3, 1), (2, 6), (8, 9)]，直接或間接關聯的元素分爲一組，返回最終的元素分組[(1, 2, 3, 6), (8, 9), (5)]

【算法 - 實習】【京東核心搜索部門】一面/二面（現場）2019.07.19（週五）15:00～17:0

• 一面
  算法題：
  a. 二分查找：注意邊界
  b. 最長公共子序列：是否還能繼續優化
• 二面
  排序算法：快排、堆排序、歸併排序複雜度/穩定性/優缺點
  XGBoost：XGBoost內部細節，Gain/Weight等對特徵重要性計算的區別，二階損失函數公式每個參數具體意義
  Dropout：運用在神經網絡中什麼位置，在前線傳播/反向傳播/模型預測階段分別是否發揮作用，起作用的原理
  Attention：在CNN和RNN中分別發揮什麼作用，如何發揮作用
  概率題
  a. 不均勻硬幣正面朝上概率爲$p$，設計一種仍然等概率的投擲方案，使得裁判能夠公平決定雙方誰先開球。
  b. 計算該方案投擲硬幣次數的期望。

【算法 - 實習】【滴滴數據科學部門】一面/二面（現場）2019.07.22（週一）14:00～16:00

• 一面
  算法題：Python實現k-means
• 二面
  算法題：將數組[1， 0， 3， 4， 0， 0， 7， 8， 0， 0]中的元素0全部移動到數組尾部
  word2vect
  Attention：在LSTM模型中的具體公式，如何發揮作用

【算法 - 秋招提前批】【百度商務事業部】一面/二面/三面（現場）2019.07.25（週四）14:00～16:00

• 一面
  算法題：快排
  機器學習基礎相關，略
• 二面
  算法題：將字符串中的數字反轉，如將1a2sd34f5g678hjkl9反轉後變爲9a8sd76f5g432hjkl1
  思路題：海量有重複IP如何找出出現次數最多的前十個IP
  ReLU激活函數《深度學習P120》：ReLU（整流線性單元）、absReLU（絕對值整流，用於處理照明極性反轉不變的圖像）、Leaky ReLU（解決零梯度無法學習的問題）、PReLU（自動學習參數）
  PU Learning：一種僅有正樣本和無標註樣本的半監督學習方法，參考博客 - 基於PU-Learning的惡意URL檢測
  Spark：參考博客 - 大數據入門與實戰-PySpark的使用教程
  awk命令：參考博客

zhoujl@aliyun-1:~/test$ cat test_awk
aaa 10  True
bbb 20  False
ccc 30  False
zhoujl@aliyun-1:~/test$ awk 'BEGIN{print "Name", "Score"} {print $1, $2} END{print "Total", "60"}' test_awk
Name Score
aaa 10
bbb 20
ccc 30
Total 60

• 三面總監
  概率題：已知明天下雨概率80%，求明天上午(0:00 ~ 8:00)下雨的概率
  項目相關
  若通過，是否接受提前實習，是否會繼續投遞其他（阿里騰訊）崗位