前面干货，后面废话。
1. 百度
- 2个有序数组取中位数
https://leetcode.com/problems/median-of-two-sorted-arrays/ - 建模预测，通过调整服务器更换组件策略，达到利益最大化（成本越低越好）
- 数据库：设计用户表。存储登陆信息，存储拓展信息，怎么实现第三方登陆的设计，表过大怎么扩展
- linux：awk，top，cat
- 1T数据，取最大10个数，分布式计算，hash分块
- 介绍决策树id3，c4.5，cart，随机森林，GBDT
- LR正则项
- SVM推导，核函数，松弛变量
- 协同过滤矩阵，推荐方法简述
2. 360
- LR更新权值的公式
- 批量梯度下降，随机梯度下降，mini批量梯度下降
- n边形的图形内交点个数
- 实现memcyp
- 二叉树中序遍历转链表
- 读过的数学书，编程书，机器学习书
3. 搜狗
- 翻转链表
- 顺时针输出矩阵
- n sum
https://leetcode.com/problems/combination-sum/ - 无序数组，大小相邻的最大间隔
例如2,11,8,9,15。相邻最大的是2和8，相差6
4. 亚马逊
- 翻转链表
- 一亿个数里找最大100个
- 建模分析仓库单位面积的效益，来做出进出货物的策略
5. 蘑菇街
- SVM分类器的输入输出
- SVM如何实现多分类，原理，分类器数量
- SVM优化的数学原理
- 文档词频矩阵构成
6. 京东（电面）
- 协同过滤矩阵的行列的代表意义
- 如何根据矩阵进行推荐
- 如何LDA打标签进行行为挖掘
- SVM分类参数意义
- 文本分类流程
7. 今日头条
- 字符串反转，就转单词顺序呢个，要求空间复杂度为1
- 大顶堆插入操作，大顶堆写递归的会改成循环
- 逻辑回归推导
- kmeans讲原理
- lda概率图模型，参数意义
8. 百度(nlp)
- 贝叶斯公式
- 信息熵度量2篇文章
- svm推导，高维映射，松弛变量
- lda概率图
- lr公式推导
- 有监督与无监督
- 搜索排名参考什么(词项，分类，主题，query分析，PageRank这些都是我猜的)
- 有环图搜索
- c＋＋传引用传值，内存对齐，静态变量，对应的python相关问题表达
9. 滴滴-地图策略
- 协同过滤推荐的过程
- PageRank为什么会收敛
- SVM推导，仅线性硬间隔
- 二分
- 计算字符串索引。字符全排列，取字典序的位置索引。例如abcd这个字符串，aaaa对应索引为0，aaab对应为1.
10. 腾讯
- 二分查找，递归&循环
- 冒泡排序
- SVM与贝叶斯对于文本的区别，为什么有区别
- Kmeans和LDA区别
- L1和L2区别
- 自己主动推了一下的SVM的pegasos
- 项目相关问了些LDA，PageRank相关的概念，原理，使用场景
后面是废话
- 面了这么多有点伤，折腾不动了
- 可以搞定机器学习的数学原理，但是数学问题再深挖就要蒙蔽，后面计划好好学数学
- 回归预测系列算法，由于简历原因基本没被问过，集中于LR，GBDT吧
