面試錦囊之面經分享系列，持續更新中

寫在前面

先說一下背景：本科雙非，碩士211，沒論文，一段半年的大廠NLP實習，3個TOP5 NLP比賽，1個兩位數的數據挖掘比賽。

字節跳動

1面: 60分鐘

• 實習，難點，收獲，怎么解決

• XGBOOST ，LGB，GBDT 的區別

• 一階優化器，二階優化器

• Attention怎么做，self-attention怎么做

• Transformer細節，Bert細節（多頭和縮放）

• 過擬合怎么解決

• 標簽平滑怎么做的

• 交叉熵，相對熵

• Bagging, boosting , 偏差，方差關系

• CRF理論與代碼實現細節

• CRF與HMM關系，區別

• 維特比，beam-search 時間復雜度，區別

「編程題」：編輯距離，完全二叉樹的節點個數 （都是很經典的leetcode原題）

2面: 60分鐘

• 實習，競賽，問了30分鐘

• 開源代碼閱讀情況

• XGBOOST ，LGB 生長策略，分類策略

• BERT細節

• 少樣本情況怎么緩解

「編程題」：15分鐘 寫一個k-means，沒寫完時間不夠

3面：20分鐘

• 聊人生，說前兩面反饋給的好，就不問問題了。

HR面: 20分鐘

• 講一件你覺得很有難度的事，怎么解決的。

• 來段英語口語。

剩下時間就是問問題時間了。

從開始面試到拿到offer花了3天，字節效率極高。其中1，2面試連續面的，然后太晚了，不然估計3面也會連續面。

騰訊：校招日常實習

1面: 25分鐘

• 實習，競賽

• 優化器，系統的講一下

• 實際場景下做softmax容易出現一些問題，怎么解決（面試的時候沒明白什么意思，面試結束后詢問，他是說實際場景做softmax很容易出現下溢問題，這個可以用每個維度減去一個固定值就可以了）

• 過擬合解決方法，正則項為什么能減緩過擬合

• 權重衰減等價于哪個正則項

• 傳統機器學習方法了解哪些

「編程題」：打家劫舍II

2面：60分鐘+8小時下來做題。。。

• 實習，問得巨細，怎么和測試溝通，怎么和需求溝通，團隊有幾人，負責啥，難點是啥，你做了啥

「編程題」：leetcode-887,super egg drop，提前不知道這題是leetcode題，自己一直在硬做，后來給實習同事分享，同事告訴我是leetcode題很難得一道題。這題難的一*，面試里面剩余30分鐘沒做出來（基本屬于剛理解題意），下來之后做了2個小時想出一個暴力解，被打回，第二天，想了3個小時，想到二分解法，被打回，又想了3個小時，想到數學解法。。。過了。（三種解法都對的， 不過面試官要求給出具體的策略和步驟，數學法比較直接可以直接給出，其他兩種需要輸出最優路徑）。太菜了。。。。

3面,GM面：30分鐘

比較水，沒問技術問題，全程實習競賽。

HR面

就問了啥時候能去，能去多久這種問題

騰訊流程很長，從官網投遞簡歷，到拿到offer，全程花了20多天。導師和HR很熱情，面試完了就在交流了。

隨便嘮嘮

難度上，總體感覺面的兩個崗位，除了騰訊二面的編程題，其他都不是很難（可能是只是實習面試的原因），兩家沒有奇奇怪怪的問題，面試體驗都很好，知識點范圍基本都在面經百度第一頁能找到。不過感覺自己比較幸運，遇到的字節面試官出的題都很常規，我同學面頭條出的題，遇到了取數對弈，螺絲螺母匹配等燒腦問題。

-?END?-

往期精彩回顧適合初學者入門人工智能的路線及資料下載機器學習在線手冊深度學習在線手冊AI基礎下載（pdf更新到25集）本站qq群1003271085，加入微信群請回復“加群”獲取一折本站知識星球優惠券，請回復“知識星球”喜歡文章，點個在看

總結

以上是生活随笔為你收集整理的头条+腾讯 双杀面经（NLP实习）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。