近期面经汇总（比特大陆、vivo、阿里口碑）

Seat

最近一周的面试有点吃不消，还没准备好就被推着走，小身板儿快承受不住了。
比特大陆面试，现场面。办公地点在奥体公园旁边，下了地铁还有挺远一段。官方流程不清楚，我面了两面。
两面面试官都开场直接说我们不做机器学习，是区块链方向的，你看你还有没有兴趣，有兴趣的话继续聊。虽然区块链很火，但是我也不太清楚具体是做什么的，然后也没明确回复我未来想走什么方向，所以就接着聊。面试官都很好，不清楚他们的方向也没关系，会考察基础的数据结构和算法，还有就是将自己以前做过的东西，他们会顺着你说的抛出新的问题。
一面面试官问了三个算法题：1）给出字符串，按正方形的方式输出。然后检查空字符串的情况，是否会出现异常。2）快排。3）在循环有序数组中找出某个值的位置。写了前两个，第三个只说了思路。面试官检查代码检查的超细致。一丢丢问题都能发现。
二面面试官问了实验室的情况，数学建模竞赛中用过的哪些成熟的模型，让讲一个自己做过的项目。面试官是数学专业的博士，对概率和数学推导比较看重，项目里用了XGBoost模型，然后问我原理，我大眼瞪小眼，然后又问了一个概率的问题，有关生日的，我又大眼瞪小眼。最后推荐了两本区块链方向以及一本计算机方向的书，说应届生不要去设想工作会是什么样子的，要把基础打扎实，具体模型的适用条件，假设条件，简化过程，原理等等要掌握，合适的工作自然会来。
vivo，视频面。技术面+HR
周二晚上9：30的视频面，大概四十分钟。全程自己balabala，讲项目，讲自己会啥，感觉面试官比较疲惫话都不想说。晚上收到了第二天HR面的通知，效率惊人。
周三下午HR面试，10分钟。1）自我介绍。2）现在各行各业都有大批人转计算机，你怎么看。3）你觉得对你这个岗位来说需要哪些素质。4）基于你说的这些素质，你自身的优势在哪。5）工作地点怎么考虑的。期间HR还接了一个电话跟人说拜拜，我以为在跟我说，条件反射的跟她说了拜拜，后来才发现不是跟我说的。HR说后续通知大概在23号左右发出。
阿里口碑，两面。一面现场，二面电话。
口碑地点在北三环环球贸易大厦，交通很方便。周三上午，面了一个半小时。先写代码，给出二叉树的前序和中序序列恢复二叉树的结构。开始没写出来，在面试官的提醒下写出来了。
然后自我介绍，介绍项目，项目里的特征都有哪些，哪些对结果的影响大？
机器学习课上都讲了些什么，有没有学过数据结构。
掌握了哪些机器学习模型。
然后LR、SVM、XGBoost模型的区别；RF、GBDT、XGBoost、AdaBoost的区别。
XGBoost和GBDT哪个模型性能好，为什么？
介绍LR的原理。
LR和SVM的时间代价比较过没有。
有没有看过python库里的源码？
无监督学习掌握什么方法？回答k-means，别的真的不知道了，从来没重点看过。
然后给了一个大概的数据分布，问如何聚类。最后面试官说了是密度聚类的方法。
问CRF、HMM知道不？不知道
LDA知道不？不知道
规则学习了解吗？不了解。
面试官说有时间把这些看一下，都要了解。一面给过了。
当天下午就接到电话，约了周四下午面试。二面面试官听声音就觉得有点严肃，说话也是句句戳脊梁骨。
自我介绍、介绍一个项目
问XGBoost如何实现的正则化？我说模型里面的目标函数本身就包含了正则化
然后说某个特征让加入正则化如何设计。我没听明白问题，然后面试官就放弃这个问题了
问前期的数据分析，怎么做的。有没有分析出什么有意思的东西来。没有。。其实都没什么分析
特征筛选怎么筛选的。我说用的模型里面有一个特征评分，选取了一个阈值，分数小于这个阈值的特征就删去了。然后问我阈值怎么选，我其实是随便定的，然后就含糊的回答。面试官说那你是排脑门定的啊。
问我有监督学习和无监督学习模型掌握了哪些。
问一个区域确定人口中心划区域用什么方法，开始我说用k-means，然后他问我具体怎么实现。我说先设定一个k值，他问k值怎么定，拍脑门吗？不过在没有先验信息的情况下，确实没法选，就多试几个不行吗。然后我说那用密度聚类。
那密度聚类的密度函数用什么？我不知道
给饭店确定菜系，是鲁菜、川菜、西餐、混合菜系。。。你需要收集哪些数据，用什么方法
两个有序数组怎样最快的确定差集，复杂度是多少？
面试官提议工作中很多时间都在做数据分析的事情，这个工作要先做好。
经过这些面试确实发现自己掌握的只是冰山一角，感慨：得到的都是侥幸，失去的都是人生。

转载自：https://www.nowcoder.com/discuss/94930