面经和想说的话，以及大学这三年

Mcfaddin

面经： 序： 老大说有空你来写篇面经，然后今晚就来写了，具体哪家公司问的啥我也记得不是很清楚，我只说说问了我啥问题，还有我想到的那些问题。 数据结构中常考的： 线性数据结构： 1.循环队列，设计缓存会用到。2.ziplist中用到的跳跃表。跳跃表和红黑树的区别3.如何保证字符串的二进制安全，这里可以参考Redis源码里的sds实现4.hash表 rehash操作 触发条件和转移策略 可以看董西成老师博客http://dongxicheng.org/nosql/redis-code-hashtable/ 树 1.平衡树 os对进程地址空间的管理使用平衡树2.红黑树 map和set都是用红黑树实现的，Linux进程调度对内存块管理3.B+ Tree MySQL数据库 为啥使用B+ Tree 和磁盘向关联 与磁盘寻道关系4.KD Tree KNN算法 空间划分 一层X 一层Y5.LSM Tree Hbase源码中设计的 http://www.cnblogs.com/yanghuahui/p/3483754.html 经典算法： 1.快排2.内省排序和TimSort SGL STL和JDK 还有Python底层实现的sort大家可以看看3.位运算那些题 Martix？？？大神有文章(忘记Martix大神全名了，活该我很多面试挂)4.动态规划 就是简单的动规 没有超出左老师书的 文本挖掘 1.TF-IDF的Mapreduce实现 就是类似wordcount的就可以2.SimHash算法原理3.倒排索引原理和应用 我大二做搜索引擎用的 大数据 1.Hadoop 大表Join小表 以及数据倾斜问题2.Spark 调优 参考http://blog.csdn.net/u012102306/ ... 516373663.Mapreduce原理 机器学习模型算法： 1.LR推导以及应用场景2.GBDT的原理和应用场景3.随机森林和GBDT的区别4.FM算法推导 最优化算法： 1.SGD和GD的区别2.FTRL推导3.FTRL和SGD区别这几个问题可以看http://blog.csdn.net/china1000/article/details/51176654 里涉及到的Paper 特征工程 1.OneHot2.标准化3.归一化4.连续特征离散化5.L1正则6.GBDT 特征组合7.特征重要性分析方法 卡方检验8.FM 实现离散特征embeding 深度学习 1.Relu的优点2.sigmoid梯度消失3.Relu梯度消失的缓解方法4.CNN中的权值共享和池化操作 Python 1.可变元素、不可变元素2.深拷贝与浅拷贝3.列表推导式4.lambda用法 C++ 1.虚函数那些经典问题2.深浅拷贝3.Vector实现4.libevent库5.完美转发问题C++问我问的比较少 实习项目： 1.JSON和protobuf区别2.广告CTR预估算法3.特征设计 怎么涉及特征的4.UGC数据的使用方法5.建模目标怎么确定，模型评估方法 大学如何准备校招的： 1.收集招聘信息V2ex，北邮人、水木清华、牛客网 这四个渠道 效率很好2.笔试 多看看果姐写的文章，刷牛客网真题 可以看看算法笔记这本书拿来联系3.实习 实习真的很能学东西，去一个不错的团队，可以锻炼人5.校招 有针对性的投简历，准备和面试6.建议有时间多学学业务知识 想说的话 感谢的话： 其实大学期间很感谢老大叶向宇、牛妹、亦行姐、超哥等牛客网的工作人员，今年校招的内推人也是我在牛客网收获的友谊，女友也是牛客网认识的，大学早点明确目标和努力是最为重要的，我的校招也应该算是基本结束了。从早期写写简单业务逻辑和挖漏洞到慢慢转型算法工程师，三年一转而去。经历了三年校招，终于自己要签卖身契了，很开心，也很激动。 应聘过程： 1.大二海投海面，当时大二拿的百度QAoffer 拒绝掉了，后来有人说我去百度做的QA，那是大二面的（有人误解很正常，因为我大二写了面经）2.后来有机会加入前乌云合伙人301的创业团队，因为乌云的事情，离开，加入百度，终于拿到百度RD的offer，去接触工业界大数据和神奇的广告算法策略。3.后来女友接了百度深圳offer，我就跑到深圳，加入范式，有爱的大家庭，大神超级多，学了很多东西。 我的建议： 1.华章和图灵的书多看看2.infoq 和 china-pub多关注3.早点去实习，有大大的好处4.学会分享与承担5.具体的内容其实可以多看看各位大神老师的面经，更有效果 我的微信公众号（在牛客网应该是封笔了，哈哈） 搜索:和饼哥一起Coding 就能看到我最近做的技术上的事情

转载自：https://www.nowcoder.com/discuss/39424