项目相关
- 为什么选取 XGBOOST？
- xgboost 相对于 svm、LR 有更好的效果。
- xgboost 相对于其他树模型的优点，支持特征粒度的并行处理，决策树最耗时的步骤就是对特征的值排序，因此可以大大加速训练过程；同时借鉴了随机森林的做法，支持列抽样，不仅能降低过拟合，还能减少计算；对代价函数做了二阶 Taylor 展开，引入了一阶导数和二阶导数，包含了更多信息；当样本存在缺失值时，XGBoost 能自动学习分裂方向等优点。
- xgboost 相对于神经网络，xgboost 有更好的可解释性。
字节提前批
一面（2h）
- 自我介绍
- 介绍下 word2vec，CBOW 和 SG的区别、快慢对比，准确率对比、两种优化方法，word2vec 使用的词向量是输入层到隐藏层的权重矩阵？
- 为什么选用XGBoost？以及 XGBoost 与 GBDT 的区别？
- L1，L2 正则化的区别？
- 过拟合怎么解决？
- 算法一：括号匹配，带 * 号
- 算法二：字符串的一次编辑
正式批：
一面
- 自我介绍
- sql：lefter join 与 out join 的区别
- ELF 文件，Android 加固技术/Android 解加固技术。
- TFIDF 的介绍。
- FM、DeepFM 介绍以及区别。
- 随机森林与 XGBOOST 的区别。
- sql 语句
A表 登录事件表
| ID | ip | ip_location | device |
|---|---|---|---|
| 12343 | 34.147.2.6 | 中国-上海-浦东 | {"device_type":"android","os_version"":"7.6.0"} |
| 76335 | 192.168.9.1 | 中国-广东-珠海 | {"device_type":"iphone","os_version"":"10.2.3"} |
B表 注册表
| ID | register_province | register_ip | register_devicetype |
|---|---|---|---|
| 34521 | 四川 | 21.56.123.32 | iphone_8.6 |
| 87233 | 内蒙古 | 42.66.211.9 | huawei_5.4.0 |
要求：找出注册地为上海，登录发生地不在上海，登录设备类型与注册时变化了的,登录不同省份个数大于5个的ID（排除内网）
美团转正面试
一面
- word2Vec
- 负样本如何采样，才能更高效
- Query 改写后续思路
- 算法题：TOP K 问题，两种思路的时间复杂度与空间复杂度。
二面
- 情景题：文本分类，类别大（1000个类别），如何分类？
1.1 分层分类，如何解决大类别判别失败，整个模型就停止？
1.2 有没有一种端到端的模型，可以解决多类别分类？ - 构建语料库：如何保证扩充语料的多样性（对比于相似度模型）
- NER 中，CRF 与 HMM 的区别？LSTM-CRF 与 CRF 的区别？
- Bert 的原理，以及 Bert 改进的论文以及原理？
- Bert 如何减少资源利用？
- 图神经网络的介绍？GCN 与 GraphSage 最大区别是什么？
腾讯
一面
- 随机森林与XGBoost的区别，XGBoost 与 GBDT 的区别
- PCA 降维，以及其他的降维方式。线性降维、非线性降维
- 相关性系数
- 情景：如何去识别电信诈骗
- 负样本失衡？
- BERT 的原理
- tensorflow 与 pytorch 的区别
- pytorch 是动态框架，tensorflow 是静态框架。
- pytorch 的代码相对 tensorflow 代码更加简练。
- 部署：tensorflow 部署更容易，特别是移动端的部署。
二面
- xgboost 源码
- 基本的决策树，特征选择的实现过程
三面（跪）
- 项目中，bert 实践有什么 tricks.
- 筛选训练数据，剔除过短或者过长的数据；
- 尝试bert+conv, bert+conv+avg_max_pooling, bert_last_layer_concat等方式；
- 针对本场景数据，进行少步数的进一步预训练；
- 相似度模型怎么扩充样本？
补招一面
- 算法题：逆时针打印矩阵
- Kmeans 类别大小差异太大如何解决？
- XGB 特征重要度？
- XGB 和其他树模型对缺失值是否敏感？
- GBDT 怎么用于分类模型？
京东
一面
- 一亿的数据量，去重之后为100w，获取其中重复次数最大的10位。
- Attention 机制的介绍
- 损失函数的介绍
- 推导交叉熵的梯度递降公式
- 文本分类模型的介绍
- 互信息与左右熵的介绍，区别
二面
- 全部围绕项目展开，如何进行同义词的挖掘？词向量如何获取？
- 搜索算法的流程。
小米
一面
- Transfomer 与 RNN 的区别
- Attention 机制的介绍
- PCA 降维的介绍？特征值与特征向量代表的物理含义。与 LDA 的区别？
- Kmeans 在哪种数据集下效果不好？
- FM 算法 field 存在多个激活位置，怎么处理？
- FM 算法针对连续特征怎么处理？
- 场景题：AUC 值很高，但是正样本的 概率大部分为 0.99，负样本的概率大部分为 0.7，这种情况正常吗？不正常的话是什么导致了这种原因？（开放题）
- 算法题：（说思路）
在二维空间中，最多有多少个点在同一直线上？float 精度问题怎么解决？
二面
- 项目相关
- SVM 的原理，推导过程，对偶问题？核函数？
- Bert 与 XLnet 介绍？Bert 的参数大小
- Multi Attention 机制的介绍？
- Bert 的位置编码？
九鼎无双（游戏）一面
- 进程、线程、协程的区别？
- Linux 如何查看运行中的进程？
- TCP/ UDP 的区别？
- 大数据中，TOP100问题？（堆排序的生成问题）
- 逻辑题：8L、5L、3L 的水杯，怎么平均倒出 2 杯 4 L的水？
- 逻辑题：1000杯水，999是水，1瓶是毒药，小白鼠1个小时之后检测是否有毒，问：两个小时的话，最少需要多只小白鼠？
网易 一面
- 项目介绍
- 残差网络的介绍？
- 推荐系统？
- word2vec 的介绍？
- pytorch 分布式训练？
- 深拷贝与浅拷贝的关系？
- 多进程与多线程的关系？
- 稀疏化模型？
- torch 与 tensorflow 的区别？
- 算法：笔试原题
BIGO
一面
- 自我介绍
- 实习项目，query 改写
- 算法题1：树的最大路径
- 算法题2：最长回文序列长度（不需要连续）
二面
- 项目
- 算法：包含（0-m）的子区间最小长度。
- abcd * 4 = dcba 求 dcba 的数字，为2178.
滴滴
一面
- Query 改写，同义词挖掘，左右熵和互信息的公式
- Query 改写的后续以及改进点
- bert 、transformer、attention 以及对应的训练机制。
- 算法题：二叉搜索树删除节点
好未来
一面
- 自我介绍
- 项目相关
- 介绍 Xgboost 模型
- 介绍 textRnn+Attention
- SVM，核函数
- 评价指标 AUC 值，ROC 曲线，准确率、精确率与召回率
- 熵，信息增益
- 算法题：int 数字是否是回文数字
小鹏汽车
一面
- 自我介绍
- 项目相关
- BERT的结构，Transformer 结构
- Attention 机制原理
- 牛顿法与拟牛顿法的区别
- 凸函数定义，Jensen不等式？
- HMM 与CRF的区别
- 集成学习分为几类？boosting如何实现（以xgboost为例）
- 访问内存数据，操作系统怎么运作？
- 计算机7层网络，TCP如何进行用塞控制？
安恒信息
- 自我介绍
- 算法题：数组中最小的 K 个数，要求有序排列
- FM 怎么做到避免矩阵稀疏
- XGBOOST 怎么做到并发性，特征空间太大导致的问题？
- HTTP 的请求？
- 邮件发送接受过程，各自使用的协议？
- 聚类算法的肘部法则和评价指标有哪些？
360
一面
- 概率题：患癌症的概率值（贝叶斯公式+全概率公式）
- 132 模式，LeetCode 原题
去哪儿网
一面
- 算法题：两个递增数组的交集
- 算法题：旋转递增数组，查找 target 的位置
- Kmeans 聚类的缺点？
- LR 为什么使用交叉熵而不是均方误差？
阿里补招
- BERT 特点
- Transformer
- DeepFM介绍
- XGB介绍
