清華本碩，碩士方向是自然語言處理，CCF A類論文一篇。目前拿到了京東，騰訊和搜狗的offer，因爲騰訊和搜狗基本上沒有問什麼面試題，就兩邊聊了聊溝通一下，因此就不介紹面試經歷了。
1 京東面試經歷
面試的京東的商品推薦的算法崗，在北辰大廈（奧森旁邊），面試難度總體來說比較簡單。
（1） 到公司之後先做了一個小時的筆試題目，包括四個簡答題和兩個編程題，簡答題主要是C語言相關的。
Map和Set的插入和查找的複雜度是多少，Set是否可以存儲類
遞歸和循環可以互相轉換嗎？
epull和select的原理以及區別？
什麼時候會調用構造函數和析構函數？父類的構造函數可以是virtual的嗎？
編程題也特別簡單，一道題是一個有序的數組，尋找數組的中的兩個數它們的和是否等 於某個值target，返回True或者False，要求O(n)的複雜度。
另一道題目是一個數組，兩個相鄰下標的數組的值的差的絕對值爲1，然後在這個數組中尋找某個值是否在這個數組中，是的話返回下標，否則返回-1。
（2）第一輪面試也特別簡單，主要就是聊了聊自己的論文是怎麼做的，實習的時候幹了啥，然後再出了一道編程題，一個無序數組，只有0,1,2，然後你要對這個數組進行排序，要求O(n)複雜度。（荷蘭國旗問題）
（3） 第二輪面試也是主要是聊了聊自己的論文，然後推導SVM的原理，然後logistic和SVM的區別，Attention注意力機制的原理，RNN的公式等。還有一個編程題反轉鏈表。
面試完三天拿到了口頭offer，感覺總體來說還是比較簡單的。
2018/8/22 更新，今天收到了京東的錄用函，看了一下工資感覺應該是SP的offer，好開心，感謝實驗室老闆收留我在組裏讀研學到了好多deep learning的經驗~
2 頭條面試經歷
本菜雞的頭條面試沒有過，太菜了。一共三輪面試，難度其實都挺高的。
（1）第一輪面試面試官出了一個對我來說很難的算法題然後沒做出來。 面試題目是：
給你一個無序數組，求數組中任意兩個數的差的的絕對值的鄉下取整的和。
這個題本菜雞隻會做如果數組是整數的情況，對於浮點數的情況不會做，面試官說是用逆序對去求解，當時面試的時候也沒有複習到這個點。
（2）第二輪面試略簡單，第一個題目是概率題，給你2K+1個硬幣，問扔完之後正面比反面多的概率是多少。 第二個編程題也不是很難，就是坑比較多，一個有序的數組，尋找數組的中的兩個數它們的和是否等於某個值target，返回這樣的兩個數的個數。第三個面試題也挺簡單的，問1~n個數組成二叉搜索樹，有多少種形狀不同的二叉樹。
（3）第三面很坑，本來本菜雞應該是投的自然語言處理的算法崗或者AI Lab，結果面試的時候被分到了做推薦的算法崗，然後就GG了。面試的問題感覺還是挺難的。主要有MLP手動求梯度，給你十億個用戶的數據，尋找每個用戶最相似的10個用戶（要求可以有一個很好的分佈式算法）。你平時有沒有讀過推薦算法的論文？ 聊一下一個你瞭解的推薦算法（本菜雞隻知道協同過濾算法）。Map/Reduce原理。然後本菜雞就掛掉了
3 百度面試經歷
百度面的是鳳巢廣告組（明明投的是自然語言處理崗!!），目前還沒有面完，只面了兩輪。
（1） 第一輪面試相當簡單，就是給面試官解釋一下你的論文，然後寫了一下RNN（GRU）的公式，然後寫了一個快排的程序。
（2）第二輪的面試挺難的，面試官問的比較廣，而且問的也結合了他們的具體應用場景。比如基於內容如何進行標題的改寫（把看起來很平常的標題轉爲標題黨的標題）；給定一個網頁，如何推薦網頁最後面的廣告信息；Relu、Sigmoid和tanh分別有什麼不同；SVM爲什麼需要核函數，以及用了核函數之後數據的維度是變低還是變高了；如何解決過擬合問題（面試官最推崇的居然是減小模型，本菜雞沒有想到這個點）；Dropout，Layer Normalization， residual net的作用；如何設計一個命名實體識別得的Neural模型；用CNN去處理文本信息的時候，如果只有一層CNN，設計一個模型結構，以及參數的大小；爲什麼CNN作用這麼強大，可以處理圖像以及文本信息；還有幾個編程題，不過都巨簡單就不說了。
百度的面試只面了兩輪，然後第三輪的面試官有事情所以沒有面完，面完總體感覺，百度的鳳巢組目測應該是經常是使用CNN進行文本信息的處理；感覺自己應該還沒有涼涼吧。