|
笔试 笔试前几天看了一下以前的基础研究笔试题，发现大部分都是数学，便稍微突击了一下数学，可惜没记住多少，考的时候考的数学基本靠微弱的记忆去做的。笔试分两部分，第一部分60分钟，25道选择题，大部分是概率论统计学和线性代数知识，也有少数SQL和数据结构知识，笔试的时间还是比较紧的，有一定计算量，而且不能用计算器，做到后面时间有点不够了，行列式计算直接随便蒙了个选项。第二部分是三道开放题，第一题是关于大数据的，谈谈自己对大数据的理解（这是什么鬼题，根本没什么好谈的啊，表示对大数据只是了解一点概念而已），第二题是关于推荐系统的，你觉得当前的推荐系统有什么缺点，提出一些技术上的建议，我就根据自己以前做过的电影推荐写了一点技术理解，第三题是关于数据分析的。总得来说这三道题属于很开放性的题目，感觉自己答得挺一般的。不过还是收到了面试通知。 一面 以前的面试都是在大学城，没想到这次却要跑到东圃喜来登酒店去面试，一面人好多。等了快1个小时才轮到我。面试官很随和，看着简历对简历上的项目进行提问，我做的项目比较偏深度学习，他缺一直在问我的一个文本分类的项目，项目如何特征提取，还有用到的分类算法，我说random forest，lr，SVM，最后做了集成，他问我这些算法的优缺点，适用什么样的场景。这个当时感觉答得不太好，算法原理还是懂的，各种适应场景就不太了解了。他还问我为什么降维，降维和特征有什么区别，LSA的原理。总的来说，这个面试官应该是做文本方面的，对深度学习在图像方面的应用是不怎么了解的，所以一直揪着我的文本 项目问，而那个文本项目我并没有投入太多精力，所以也没给面试官留下很好的印象吧。后面我又强行扯到我的深度学习项目上，给他描述了一番。他也问了我一些深度学习方面的问题，他说还想问一下我笔试时候的题目，不过因为已经12点半了，所以就先不问了。然后就结束了面试。面了30度分钟，出来心里感觉毛毛的。不过还是收到了二面的通知。 二面 二面是在大学城雅乐轩酒店，到二面的时候就没几个人了，看来腾讯主要是一面大面积刷人。二面面试官胖胖的，一看就是骨灰级程序员啊，也有可能是部门经理。一开始也是问项目，问我如何用卷积神经网络做分割，卷积和pooling的原理，总之就是各种问项目细节。还问我如何将深度学习应用到文本分类上，我说可以用word2vec为每个词生成一个词向量，然后每个句子就可以用矩阵来表示，这样就可以像对图像那样对词矩阵进行卷积和pooling了。他问为什么这样做有用，后面又讨论一些深度学习的东西，我又给他介绍了RNN在文本和语音模型上的应用。接着他又开始问我的文本项目，问项目中的细节，顺便让我写了个lr的表达式。项目方面大概讨论了一个小时，接着他又让我随手写几个程序，第一个 是判断两个单向链表是否相交，第二个是有 $2^{32} $ 个无符号整数，其中有一个数是重复的，求出哪个数是重复的，我说可以hash处理，不过比较耗空间，他问我有没有节省空间的方法，我想了一会没想出来，他稍微提示了一下，我才发现这数是有规律的，unsigned int的范围为0- $2^{32}-1$ ，所以这些数为0- $2^{32}-1$ 加某个重复数字，那其实可以先求均值，再全部减均值再想加，得到的和即为重复的数字。第三道题是一道概率题，有两家医院，一大一小，大医院每天有1000个新生儿，小医院每天有100个新生儿，问哪家医院男孩总数大于60%的可能性大，我觉得的是小医院，当时没证出来，回来后发现可以用中心极限定理来验证。最后又问我有什么问题，我说让他评价我有哪些需要改进的地方，他笑着说你们怎么都问这个问题，我们也很难答的，哈哈，我又问了他实习生入职培训的问题，然后就结束了面试。大概面了1个半小时。感觉自己这次面试还是不错的，有些问题跟面试官讨论的比较深入，而且刚好是自己擅长的方面，所以加分点还是很多的。感觉这个面试官应该是主管级别的，会问技术，但是更多的是看你对技术的理解程度如何，而不仅仅是调调API。 HR面 中午面完，下午就收到HR面的通知了。HR面就比较轻松了，聊了一下自己的的爱好，期望工作地，家庭情况，以及最自豪的事情最惋惜的事情之类的，还有自己对未来的打算，还问我作为家里面的长子在这么远的地方工作父母会不会有意见之类的。最后 还问了一下是否有女朋友。大概聊了20多分钟吧。 。 。 。 。 。 等了一个多星期，终于收到了HR的电话，通知周六去签约，一切尘埃落定。 总结 - 数学很重要，线性代数，概率论数理统计这些基本的数学要懂，不要求做太复杂的运算。 - 项目要熟烂于心，并且能够清晰的讲出来，项目中使用的技术、算法要懂，面试官一般会对这些进行提问，别让人觉得你只会调调API，原理要熟悉，最好自己实现过简单的算法和看着部分源码。 - 对于做机器学习的同学来说，SVM，boosting,RF，LR，决策树，贝叶斯，EM等基本的机器学习方法要很熟悉，还有一些降维算法如PCA等，还有特征选择算法，梯度下降，拟牛顿法等优化算法。这些都要很熟悉。我有的同学面阿里的时候被狂问机器学习算法，L0,L1,L2范数各种问。这些基础一定要搞懂。 - 计算机基础也很重要，笔试和面试的时候也会涉及很多，如数据库，程序设计语言等。 - 最后，面试是一个双向选择的过程，最后没进不代表你实力不行，也可能是你的技能点和面试官需要的不匹配，比如做图像的去面文本类的职位，如果完全没有文本经验的话是很难进的，所以这也跟运气有关，不过也不要气馁，相信自己的实力，最后一定会拿到好的offer。 直接点击阅读原文可以和作者勾搭哟～ |
|
|
