NewBeeNLP原創出品

作者?|?葉先生

面試錦囊之面經分享系列，持續更新中?

歡迎后臺回復"面試"加入討論組交流噢?

寫在前面

首先說一下本人背景：算法崗，科班，本碩都是某 985。有一段兩個半月的大廠非核心部門實習經歷，一篇冷門方向的 SCI 一區期刊論文，一個小比賽的 TOP5。(實習比賽論文都有，但每樣都一般般，所以秋招也是十分艱難)

秋招結果：投遞了大大小小 30 多家公司，目前是拿到一份意向書。

• 意向書：字節(經歷了一次筆試掛，一次三面掛，再被撈三面后上岸的)
• 泡池子：京東物流，華為，360，OPPO(其中 360 和 OPPO 已經開過部分獎了，我應該排序比較靠后或者掛了)
• 終面掛或者排序掛：網易互聯網，百度提前批，拼多多拼越計劃
• 二面掛：阿里(二面完后很久狀態都沒改變)，百度正式批，騰訊 PCG
• 一面掛：美團，快手
• 進行中：騰訊音樂，網易互娛

還有一些投了之后沒消息或者筆試完后沒消息，這里就不列出來了。

項目相關提問

項目相關提問我只列舉一下可能對大家有借鑒意義的問題。

有沒有觀察單個特征和標簽之間的聯系

每次加入一個特征，如果效果沒有提升則不使用該特征。那怎么處理特征組合的問題。(組合后可能變好或者差)

ID embedding 怎么做

項目中 Embedding 學習到的是什么，特征交叉的作用是什么

為什么使用 DeepFM 來進行特征交叉

DeepFM 和 Deep&Wide 區別，寫一下 FM 公式，DeepFM 優點

DeepFM 只是簡單的交叉，其他復雜點的對特征進行交叉的網絡了解嗎

你說你發現了訓練集和測試集分布不一致的問題。你是怎么發現這個問題的，怎么診斷定位，除了可視化還有沒有其他直觀的指標

對于一個算法課題，你覺得最重要的幾個環節有哪些。

項目遇到了什么困難，如何解決？

項目取得了啥效果，項目的核心提升是哪些操作

項目中使用了哪些特征？如果要繼續改進的話，還可以使用哪些特征？

有沒有使用其他更好的算法來解決問題

你覺得你實習做的項目還有哪些地方可以做優化

項目遇到瓶頸，反映在業務上是怎么樣的，你要怎么去解決這個問題

有沒有調研過業界的做法

你的比賽任務，四分類，評估指標用 auc 合理嗎

比賽的 LSTM 和 CNN 是怎么用的，為什么可以用。講一下 RNN 和 CNN 的區別，為啥在你這個比賽中 LSTM 比 CNN 效果好

機器學習基礎相關提問

特征相關

講一下特征工程

類別特征編碼方式有哪些？如何解決 target encoding 的 target leakage？count encoding 有個缺點：測試集和訓練集分布不同，導致特征頻率不一樣。怎么解決？

如何進行特征選擇

項目中如何做交叉特征，為什么這樣交叉，基于業務意義？

為什么需要計算特征重要性，計算特征重要性的方法有哪些

連續特征怎么分箱，如何判斷分箱的結果是好是壞

特征平滑方法有哪些

怎么處理長尾問題，從樣本，模型的角度來看，從優化器的角度來看

什么樣的 ID 經過 Embedding 后可能有效，如何篩選有效的 ID。有些 ID 數量級很大，怎么處理

神經網絡相關

神經網絡如何跳出局部最優

神經網絡如何緩解過擬合， 講一下 dropout，dropout 訓練和預測的時候有什么不同， dropout 操作類似于機器學習中的什么操作

batch normalization 和 layer normalization 區別，寫一下 bn 公式

優化器了解哪些，adam 相對 sgd 的改進

激活函數的作用，各個激活函數的優缺點

tf 處理特征的類有沒有了解( tf.feature_column)

講一下 word2vec，有哪兩種形式，詞的數量比較多，分類時怎么優化， word2vec 怎么做負采樣

item2vec 有沒有了解

多分類如果有 10000 類別，怎么優化

graph embedding 了解嗎，神經網絡做 graph embedding 了解嗎

講一下圖神經網絡

tf embedding_lookup 原理

文本分類有了解嗎，說一下 textcnn

如何緩解 RNN 的梯度消失

講一下 LSTM。LSTM 為啥能緩解梯度爆炸和梯度消失？LSTM 激活函數可以使用 relu 嗎

排序算法了解嗎？說了快排，歸并，冒泡等(后面發現好像問的是 ctr 中的排序算法)

了解哪些推薦算法，nlp 的預訓練模型了解嗎，attention, transformer，bert 了解嗎

CNN 和 RNN 在實際使用中有哪些優缺點？NLP 中，什么情況下使用 CNN，什么情況下使用 RNN？

神經網絡權重全 0 初始化會有什么問題？應該怎樣初始化？講講 Xavier 初始化

樹模型相關

樹模型怎么處理連續特征

隨機森林的隨機性體現在哪里？boosting 和 bagging 區別。隨機森林是不是樹越多越好。隨機森林采樣是有放回采樣還是無放回采樣

c4.5 用來解決 ID3 什么問題，gbdt 和 rf 分別是集成的什么思想，解決什么誤差

GBDT 怎么生成一個新的樹，怎么確定葉子節點的權重

隨機森林和 xgboost 那個樹的深度更深

XGBoost 和 GBDT 的不同，為啥 XGBoost 選擇決策樹作為基分類器？

XGBoost 和 GBDT 分裂葉子節點的不同之處，寫一下 XGBoost 計算節點分裂收益的公式

XGBoost 如果損失函數沒有二階導，該怎么辦

GBDT 和 XGBoost 用什么基分類器，如何分裂葉子節點，處理分類問題和回歸問題有啥不同

Lightgbm 相比于 XGBoost 的改進，LightGBM 為什么比 GBDT 快。LightGBM 怎么做并行

看過 XGBoost, Lightgbm 等的源碼沒？(沒有。。)

講一下 bagging，boosting，stacking

stacking 和 nn 的區別？(nn 也可以搭積木，拼接)

其他相關

哪些算法需要對特征先進行歸一化，這類算法有什么特點，不進行歸一化的缺點是?

如何解決過擬合，講一下 L1 和 L2，L1 為啥能得到稀疏解

如何處理樣本不平衡

分類和回歸任務有哪些評估指標

寫 huber loss 公式

auc 是啥，怎么解釋。如果線下 auc 好，線上 auc 變差，有什么可能的原因

auc 針對的是單個值的排序，那么怎么對 list 進行排序(ndcg ？)

多分類 auc 怎么算

交叉熵公式

LR 的損失函數是啥，怎么來的，手推 LR

LR 如何優化目標函數

SVM 和 LR 區別

為什么 LR 使用交叉熵而不是 MSE

講一下先驗，后驗，最大似然估計，最大后驗估計

拋一次硬幣，正面為上，是啥分布。拋 n 次硬幣，正面為上的數目是啥分布

廣義線性回歸了解么

排序，操作系統，數據結構，計網

這方面問得比較少

快排時間復雜度

排序算法了解哪些，講一下快排和堆排，堆排適用于哪些場景

講一下哈希表，哈希表用什么數據結構實現，怎么解決哈希沖突，哈希表數組空間大小怎么確定

線程，進程是啥，進程間通信方式，如何保證線程安全

多進程和多線程區別，各自的適用場景，線程安全怎么解決，有哪些鎖，樂觀鎖悲觀鎖了解嗎，自旋鎖適用于什么場景

TCP 協議了解嗎

編程語言，大數據相關

Hive 相關

了解 Spark，Hadoop，Hive，Scala 嗎？(我基本不會，實習時寫過一些簡單的 Hive SQL)

Hive SQL 大表 join 小表，可以怎么優化

Hive sql union 和 union all 區別，行轉列和列轉行了解嗎

Hive 讀取 json 某個 key 對應的值

Hive 數據傾斜怎么處理

Python 相關

說一下 Python 中的 lambda

Python copy 和 deepcopy 區別， if a 和 if a is not None 區別

Python is 和 == 區別，兩者分別在比較什么？Python 沒有 switch... case.. ，如何優雅地實現

Python 有哪些對象類型，哪些是可變對象，哪些是不可變對象

Python 中，li = [0,1,2] ，那么 li[3] 和 li[:3] 分別返回什么

Python 寫過多線程嗎

字典有 key, value，按照 value 進行排序

手撕

鏈表相關

鏈表翻轉

合并兩個有序鏈表

判斷鏈表是否有環，返回環的入口

樹相關

無序數組轉二叉搜索樹

兩個樹節點的最近公共祖先

二叉樹先序遍歷展開成鏈表 in-place

無序數組轉平衡二叉搜索樹(不能先對數組進行排序)

給你兩顆二叉樹 a，b(只有數的結構而沒有 value)，判斷a 是否 b 的子樹(只需要 b 的某個子樹結構跟 a 一樣就行)，能否繼續優化？

DFS，BFS

打印字符串所有子序列

字符串全排列(字符串可能有重復元素)

迷宮問題，迷宮里有多個人處于不同位置，每個人逃出迷宮有最短路徑值，求這些最短路徑值的最大值

劃分為 k 個相等的子集：給定一個整數數組 nums 和一個正整數 k，找出是否有可能把這個數組分成 k 個非空子集，其總和都相等

排序，大小

子數組最大和

子矩陣和的最大值

兩個有序數組的中位數

求數組的第 k 大數，時間復雜度是多少？

讀取文本，統計，然后排序(有多個排序因素)

一個數組只包含0,1,2三個數，對這個數組進行排序

最大數組合：給定一個非負整數數組，求一個拼接出來的最大數。比如 [2, 32] => 322

DP

股票最大利潤(只能交易一次)

走樓梯方法數，一次可以走一個臺階或者兩個臺階，總共有 n 個臺階

01數組，長度為 n，1代表可達，0 代表不可到達，一次可以跳 3 到 5 步。求跨越該數組的最小步數(起點可以看成 index 為 -1，終點可以看成 index 為 n)

其他

順時針打印二維矩陣

升序數組，求不同絕對值個數

二維平面判斷一個點是否在三角形以內

給定數組，計算有多少個子數組和為 target

怎么編程求幾何平均值，需要考慮什么情況，怎么解決

提供東西視圖和南北視圖，求城市體積最大值，最小值，leetcode 807 變種

正整數數組滿足 2 * a[i] < a[i+1]，給定數字 K，數組中是否存在兩個數 x + y = K

協同過濾中，需要計算用戶相似度矩陣。給定用戶 ID，每個用戶的聽歌列表(music id 列表)。計算用戶相似度矩陣

給一個數據表，有兩個字段(user, login_time)，用 SQL 求連續兩天登錄的用戶占比

場景題，開放題

在搜索框輸入文字的時候，會出現搜索提示，比如輸入‘騰訊’可能會提示 ‘騰訊視頻’。你覺得搜索提示是用什么數據結構來實現的

學校門口的十字路口車流量預測，怎么建模？(已有歷史車流量數據)

年齡預測(范圍 10 到 50)，目標是最大化準確率，怎么設計損失函數？如果要求預測結果在正負 3 以內就行，怎么設計損失函數，如何優化？

有個商品庫，商品庫記錄的車的型號，最低價格，最高價格(沒有精準價格)。當前用戶在瀏覽某個商品，要求推薦同個檔次的商品，如何建模？假如商品庫很大，要推薦相似度最大的 3 個商品，如何解決？

定義兄弟字符串如下：若兩個字符串存在一樣的字符，每個字符次數都一樣，但是順序有可能不同。比如 abbc 和 acbb 是兄弟字符串，abbc 和 acb 不是。現有一個很大的日志文件，每一行是一個單詞。問題：給定一個單詞，查詢日志文件中該單詞兄弟字符串有多少個。有多次查詢操作。

怎么給 50 w 高考考生成績排序，要求時間空間復雜度盡可能低

一副撲克牌，取出一張，剩下的 53 張給你看，如何判斷抽出的是哪一張(要求時間，空間復雜度最優)

一個超級大文件，每一行有一個 ip 地址，內存有限，如何找出其中重復次數最多的 ip 地址

有一款新游戲，怎么識別出土豪(可能在新游里充大量錢的用戶)

提供一個包含所有英文單詞的字典，為手機的T9輸入法設計一個索引，例如輸入4能夠提示出g、h、i開頭的英文單詞(greate、hello、……)，輸入43能夠提示出ge、he、id、if (hello……) 等詞開通的英文單詞，

一起交流

重磅推薦！NewBeeNLP目前已經建立了多個不同方向交流群(機器學習 / 深度學習 / 自然語言處理 / 面試交流 / 大廠內推?等)，趕緊添加下方微信加入一起討論學習吧！

-?END?-

預訓練模型超全知識點梳理與面試必備高頻FAQ 2020-10-10 百度 | 一份遲來的提前批機器學習面經 2020-09-25 算法面試大亂斗 2020-09-14

記得把NewBeeNLP設為星標哦

等你在看

總結

以上是生活随笔為你收集整理的排序算法有哪些_超强整理，科班算法岗的秋招之路的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。