非科班渣渣的秋招机器学习算法岗面经

Qing手机认证

基本情况
岗位：机器学习/数据挖掘算法岗
基本情况：南京211本+985硕 通信专业，有相关实习经历，女生，代码能力一般，数学相对好一点
目标工作地区：南京、上海
找实习时跪一片，秋招相对好一点。
找实习，投了10家，面了5家，拿到一个Offer：
阿里一面跪
腾讯二面跪
远景能源三面跪
滴滴二面跪
海康拿到实习Offer，果断去实习
网易笔试跪
携程笔试通过，简历未通过筛选
京东笔试通过，简历未通过筛选
百度简历筛选未通过
秋招的时候，许多公司就没投了。
内推：
阿里：一直笔试状态（已回绝）
携程：测评通过，状态变成面试中，然后又收到笔试，笔试当天美团面试（放弃）
苏宁：2轮技术面（通过）
校招:
中兴：1轮技术面+综合面（口头offer，提前批）
腾讯：霸面，交了简历就没有然后了，快叫我去面试啊！
美团：笔试+2轮技术面+HR面（录用池）
华为：2轮面试（备胎池）
滴滴：内推笔试+校招笔试，就没有然后了
可以不要脸的说校招只要给了面试，就通过了（虽然事实上就面了这么4家）
以下是秋招面经：美团、华为、中兴、苏宁
美团：笔试做的不太好，编程的时候大概是脑子坏了吧
一面：30min
1. 讲实习经历、讲项目以及其中具体用到的算法和场景
2. 手推LR，到求完梯度那一步就可以了，比较LR和SVM的异同
3. 比较ID3，C4.5，什么是信息增益，信息增益比，为什么要有信息增益比
4. 介绍GBDT，Xgboost
5. 比较简单的智力题： 一个信号发生器，输出0的概率是p，输出1的概率的1-p，请问如何构造一个新的信号发生器让0和1的概率都是1/2
6. 问还会什么数据挖掘相关的，简单介绍了scala
当时一下子忘了信息增益比是怎么定义的，其他回答出来了
二面：50min
可能是压力面吧，比较严肃
1. 手写代码 层次遍历二叉树
2. 介绍实习经历
3. 了解哪些算法，按照小蓝书的顺序介绍，又问KNN是做什么的，KMEANS呢
4. 比较LR和朴素贝叶斯的异同
5. kmeans的缺点、计算复杂度，我推了需要计算多少次，面试官问是不是不知道什么叫时间复杂度，这个地方我答的非常不好
6. 还问了哪个导师是谁，怎么评价自己的导师，后来知道面试官和我是校友
HR面：10min
是可爱的小姐姐
自我介绍，实习做了什么，在学校做了什么。
有哪些Offer？你怎么选择？
之后就等通知，挂了也会通知你的。后来收到录用池短信啦
总体：美团面试还是很注重基础的，有一定的灵活性。整个面试效率还是非常高的，而且面试官和HR们都很负责。HR小姐姐长得很好看
华为：我可能是华为面试中时间最长的
一面：
40min
1. 聊项目、实习经历
2. 对于随机事件如何预测，时间序列问题是否能用RNN，和传统机器学习算法比有什么优缺点。
3. 数据采集随时间差异较大怎么做在线学习
4. DBSCAN怎么调参
5. 介绍GDBT，CNN
可能是通信的背景，所以问的非常多，后来面试官说他们做过和我相似的项目。
二面：
30min 难以置信
1. 聊项目、实习经历，有没有手动实现算法。
2. 家庭对性格养成的影响，面试官可能觉得我的性格和性格测试有出入吧，捂脸。
3. 怎么选offer
总体：并没有看到的经验贴中说的那么水，面试官还是挺懂的。
中兴：NLP
云计算部门来我们学校6月份的提前批，当时还没有去实习
一面：20min
1.项目，具体用到的算法
2.了解多少NLP相关的东西（我没有相关实践经历）
二面：15min
1.项目，为什么选NLP
2.人生、爱好啥的
总体：比较简单，一个上午搞定，效率不错
苏宁：
一面：1V3这种，三个面试官同时面，20min
1.实习、项目
2.批处理和SGD哪一个更接近理想解
3.有什么性格上的缺点
二面：15min
1.实习、项目
2介绍Bagging、Boosting、Stacking的差异
3. 有什么Offer
总体：简单
渣渣就知足常乐了，BAT虽然秋招的时候一个面试机会都没有，但是自己找实习的时候太渣，浪费了机会。。。
唉，说不下去了，让我哭一会儿，其实好不甘心的！
祝愿大家都能找到理想的工作~

转载自：https://www.nowcoder.com/discuss/48976