現在是2019.3.3，金三銀四，剛好是春招黃金時刻，我把18年秋招的經歷以流水賬的形式寫下來，反饋給我的粉絲吧（雖然也沒多少粉絲哈哈，禁止轉載嘿嘿），希望對各位準備找工作找實習的同學有所幫助。這篇面經主要針對算法崗（主要是數據挖掘方向），歡迎大家關注我的博客，有算法相關的問題都可以與我交流。
首先，交代下背景，本人四非（非985非雙一流）一本普通碩士（渣碩這個詞太敏感就不說了哈哈），沒論文，有比賽，有實習經歷。
秋招期間，投了四十個公司，筆試20多個吧，面試10個，offer 5個。
下面是各個公司的面經（按時間先後順序排列）：
一 海康杭州研究院：
這個最尷尬了，剛睡醒，一臉懵，而且當時還沒開始準備秋招面試，雖然問題不難，但是答得很糟糕，13分鐘完事。
1， 實習項目；
2， gbdt原理；
3， word2vec原理；
4， 講一個自己熟悉的算法原理；
5， 看我博客有寫動態規劃，就叫我講最長公共子序列；
二 步步高
1面：
主要問項目，沒問算法原理，問答環節我問了很多他們公司在這個崗位的業務和工作，主要是智能手錶和點讀機（大概是這兩個吧，記不太清了）；
2面：
應該是某個部門的老大吧，進來之後HR還給他倒水了，然後沒給我倒，很氣。主要問三個問題：非科班，爲什麼想做算法？和其他985好學校的學生比，你有什麼優勢？（然後還說這個問題我不用回答）第三個問題是爲什麼選擇步步高？這一輪面試過程中明確說了想做點讀機相關的，但是一面的面試應該是智能手錶方向的，因此加了一輪技術面；
3面：
因爲短信上說明那天只有一輪技術面+一輪HR面，所以我完全不知道這一輪是技術面，還以爲是一位產品經理，問了項目，梯度消失，深度學習的一些問題，問的並不深，我以爲對方不是搞技術的，答得也很淺；
4面：
這一面是HR面，這一面就比較作死了。期望薪資說得比較高，另外HR問還投了哪些公司，答BAT，能不能儘快來實習，答不能。然後，就沒有然後了。。
3.珍愛網
1面：
面試之前偷瞄了下筆試成績，給了A。面試過程問的不是很深入，主要是聊了兩個實習項目，然後問想做哪個方向，答文本挖掘，然後就問我爲什麼想做文本挖掘，有什麼難度等等；
2面：
這一輪是總監面，從騰訊跳過去珍愛網的。沒問實習項目了，問了兩個比賽，問的很細，用什麼方法，怎麼優化，誤差多大，跟第一名比怎麼樣等等。答得還可以。出了一道題：一個m*n的矩陣，從左下角走到右上角總共有多少種走法？我用動態規劃解了，對方不同意，要我用數學方法證明，我說用數學歸納法，他說不是，最後沒解出來（回來查了一下，就是一道概率題）。
HR面：
常規問題，聊了很多，把我聊嗨了。最後她說他們有在做陌生人社交。我作死問了她不怕被國家監管查嗎balabala。
4.多益網絡
只有一輪技術面：
挑一個自己認爲最成功的項目講
線性迴歸和邏輯迴歸的區別
邏輯迴歸爲什麼可以處理非線性問題
介紹svm原理
一副撲克牌分三堆，大小王分在一起的概率
解釋什麼是外掛？怎麼判斷玩家是否使用外掛，怎麼提取特徵。
爲什麼投多益。有其他offer嗎，薪資如何。
- 順豐科技
面試之前在網上看面經，都說順豐的面試很水，但是我面試的時候面試官是剛畢業的博士後，問的問題還是很難的，所以面試有時候也要看運氣的。。
1面：
Tfidf的原理，有什麼缺點，可以用什麼算法改進
給一段話，怎麼識別出實體（命名實體識別問題）
瞭解HMM嗎
瞭解CRF嗎
知道什麼時間序列算法
聚類算法懂多少，kmeans與高斯混合模型的區別
其實答得不是很好，最後面試官說你做過的這些東西我都做過，以後有機會多多交流，然後就讓我通過了，開心。
2面：
HR小姐姐很優秀啊，應該是工科背景，感覺全程在問技術，最優化，gbdt，項目該怎麼做等等，我一度懷疑我是在技術面，第一次遇到懂技術的HR小姐姐啊，膜拜orz
- 金山WPS
2輪技術面+1輪HR面+1輪技術面+1輪部門老大面
1面：
詳細講項目
Tfidf的原理
textCNN的原理
用什麼庫分詞
怎樣搭建textCNN網絡（用什麼框架，庫函數之類的）
出現樣本不平衡怎麼處理
平時用什麼庫函數處理數據（答pandas），pandas怎麼做排序，怎麼合併兩個dataframe
2面：
手撕代碼（矩陣順時針打印），因爲做過，所以很快就寫出來了。面試官看我寫這麼快，以爲我很厲害，就問我手頭有什麼offer，當時剛好手上有幾個offer，面試官就認可了我的能力，試探性地叫我解釋minibatch，我也答出來了，接下來就很愉快地聊天了，問我選擇公司的時候最看重什麼，想去哪個地點工作，期望薪資等等。本來報的大數據團隊，面試官說我水平不錯，幫我推薦到他們的AI研究團隊去了，但是要加面。
3面：
這一輪是HR面，各種常規問題，然後HR主要是確認我想去大數據團隊還是AI研究團隊，我跟她說明去AI研究團隊之後，她就安排我去珠海現場加面了。
4面：
詳細講了其中一個視頻分類的項目，要我畫出網絡拓撲圖，機器參數，怎麼看GPU型號等（問的很細節，太久沒看有些記不起來了，答得不好）
講文本挖掘相關的項目，問word2vec的原理（答得比較詳細，被認可）
5面：
AI研究團隊的負責人面的，這一輪主要是想確認我的工作意向，跟我講解團隊工作，氛圍等，希望我過去等等。
7.華爲
華爲我覺得應該重視每個環節，筆試成績也挺重要，只要前面的環節表現好，後面基本上沒什麼問題。
1面：
主要詳細講了兩個實習項目，面試官看我筆試成績比較高，就問我熟悉什麼語言（答Python，也會些c++），問如果總分5分，用c++寫給自己打多少分（答3-4分），怎麼看待機器學習這個領域？主要是兩個項目講的不錯且筆試成績比較高，所以面試官也沒有爲難我，說表現不錯
2面：
一上來就問我有什麼性格缺點（尷尬）。然後看了我前面的記錄（筆試成績+性格測評+第一輪評價），說你筆試成績這麼高啊，前面的評價都不錯，我也不問你具體問題了，然後就向我解釋華爲的薪資構成和各部門的劃分架構等，最後問我有其他offer沒有，看的出來面試官對我的評價很好，本來想給我留電話說有問題可以直接找他，後來說公司不允許私自操作就沒給成。
8.微民保險
2輪技術面+一輪CTO面+一輪HR面
1面：
面試之前手撕了兩道題（鏈表反轉和矩陣轉置），我是最後一個且已經晚上七點多了，面試官也很累了，面試過程只有十幾分鍾，講了一個實習項目，問了一道nlp場景題然後就結束了，具體題目如下：
給很多session，每個session有很多問答對話（類似於我們的微信跟好友對話這樣子），怎麼構建模型提取出每個相關的question-answer對（保證question跟answer是匹配的）。
2面：
這一面問得比較細，兩個實習項目都講了，從其中挖了一些問題問
講LSTM的原理，各個門的作用
手推邏輯迴歸
手撕代碼：給一棵二叉樹，找出樹中最大值以及最大值所在的行和列（當時的思路是用層次遍歷寫，但是沒寫出來，尷尬）
場景題：提供用戶的微信數據，怎麼判斷用戶是否生病，可以怎麼提取特徵
3面：
這一面是CTO面，問了兩個比賽，是多少人蔘加的，自己負責哪個部分，怎麼提取特徵
問我對微保有什麼瞭解，有什麼問題問他（問了算法團隊負責工作，微保在做的互聯網保險跟支付寶在做的有什麼區別和優勢），其他忘了。。
4面：
HR面，也是各種常規問題，不能接受跟什麼樣的同事相處，自己在大學期間的成長，期望薪資（當時要了20K以上，hr第一反應是這麼高啊，把我嚇的，真怕她因此把我拒了），後來發現想多了，還是給offer了，但也沒給我想要的薪資。。
9.迅雷
迅雷一面就掛了，太難了，喜歡問底層原理，對於非科班的我，只能說要不起了。
用過哪些Linux指令
操作系統瞭解多少
Python的多線程有哪些並行方式（如果沒記錯的話）
大數據平臺有了解嗎
Jieba分詞的原理
介紹pandas（講了一些函數），用什麼調試工具
代碼佔用內存太多的情況下，怎麼優化
SVM與LR的區別
解釋偏差與方差
熟悉哪些排序算法，直接插入排序與快速排序的區別
24小時內時針與分針的重複次數
場景題：怎麼找出微博熱點/熱詞
對機器學習的理解
10.美團
2輪技術面+一輪leader+hr面
1面：
詳細問了兩個比賽，主要關注點在如何提取特徵，多少人做怎麼分工，然後說了隊友用規則，問我用了什麼規則（不太記得了，尷尬…）
手撕代碼：給一個01矩陣（矩陣的每個數非0即1），找出全爲1的矩形的面積（沒寫出來…）
CNN跟RNN的應用場景的區別
CNN爲什麼能用於文本任務
其他機器學習問題忘了。。。
2面：
這一面面的很長，將我的簡歷從頭到尾問了一遍，而且問的很細。
詳細講了實習項目，問題目推薦爲什麼要用那個方法
隨機森林與Xgboost的區別，哪一個需要的深度更深
Word2vec原理，word2vec怎樣進行負採樣，解釋霍夫曼樹
Word2vec比以前的神經網絡算法快的原因是什麼
對於LR,決策樹，SVM這三個算法，什麼情況下該用哪個算法，分別講出來
LR跟SVM，小樣本下哪個比較好，爲什麼？SVM線性核情況下，小樣本SVM會比LR好嗎
手撕代碼：給定一個一維數組L表示青蛙過河，其中L[i]==0表示此處沒有石頭，L[i]>=2表示一隻青蛙可以往前跳多少步；判斷青蛙是否能夠過河？
3面：
Leader+hr一起面，leader的問題基本上都是場景題，而且感覺很難回答。
你的項目當時爲什麼要這樣選型，爲什麼要用這個算法
在這個項目中遇到什麼難題，怎麼解決
RNN跟xgboost的應用場景的區別（不太記得是不是這個了…）
場景題：給一段房東與租客的對話，怎麼判斷在具體某個時間段是否有房源
百度：
1面（1h）：
項目（問得很細，差點被問趴。。）
Linux熟不熟悉（不熟悉）
C++ STL懂嗎（不懂）
Hadoop, spark這些懂嗎（不懂）
Python2與Python3的區別（比如編碼問題）
LSI具體怎麼做
GBDT的梯度提升是怎麼做的
Xgboost的損失函數可以換成什麼
Xgboost對缺失值是怎麼處理的
Xgboost怎麼做分類
CNN是圖像處理領域的，爲什麼可以用於文本分類（我從textcnn舉例說明）
面試官的評價是數據領域的理解比較透徹，但是工程能力比較差
2面（1h）：
項目
PCA原理（講得很亂，沒講清楚）
CNN中爲什麼要用卷積（講利用到局部信息，保留空間特徵）
Python中怎麼判斷兩個變量相等（答AB, |A-B|<10^-6，問AB的話Python底層是怎麼實現的）
大數據處理這一塊瞭解嗎（不懂）
Linux熟不熟悉
代碼題：一個有序數組（如[1,1,1,1,2,3,3,4,55,555]），找出不重複的數，不能引入額外空間消耗，不能改變數組大小，不能改變元素值（答：從左到右遍歷，找出下一個不同的數，將該數與上一個數的第二個值做交換，然後從該不同的數的下一個數繼續遍歷；如上面數組中，找到不等於1的數2，將2與第二個1交換，然後從3開始繼續遍歷）
面試官用指針去遍歷，思路跟我是一致的，居然說我的太複雜了，我的天啊。。
總結：
算法崗主要考察三個部分：項目，機器學習基礎，coding。
1） 項目：對自己的項目一定要深入瞭解，最好有自己的idea，而不是簡單的調包；
2） 機器學習基礎：《統計學習方法》中常見的算法都要熟悉；
3） Coding：這一塊筆試刷leetcode（medium難度足夠了），面試刷劍指offer（劍指一定要刷，不然手撕代碼會很痛苦的，一般面試不會給你留太多時間思考的）。