助攻篇 | 一份转ML的面试心得记录

2020 年 10 月 16 日 AINLP

这里是归辰的面经杂货铺，你想要的都有～

背景

作者是一名今年参加校招的应届生，本文写在校招结束后。

背景为：本科是北京某工科985，研究生在中科院某所，硕士研究生方向主要做图像语义分割，不过是偏门的雷达图像。1篇水文，1段水比赛，只有一段半年的大厂实习经历（机器学习方向）。个人早在秋招前就定下了放弃CV转投机器学习的策略，可以说自己能拿到几家大厂offer全都依托于这个策略，否则自己估计还在0 offer的状态挣扎。

在这里也欢迎各位从事推荐及CV的小伙伴加入我们，一起交流学习，一起进步。

如下仅为部分面经，墙裂欢迎各互联网大佬来撩。

前言

整个招聘总体感觉下来就是真的挺看运气的，你没办法决定分到你的面试官是什么风格，跟你有没有眼缘，因为每个面试官的标准和考察方向都完全不同，一个京东的面试官上来就问我有没有顶会一作，被捞了之后另一个面试官就跟我聊的非常愉快。同样，有的同学面腾讯3面7个代码题，另一个简单地打了两个电话就过了。

具体面经分享

网易

一面

自我介绍。

讲实习经历。
讲Xgboost，以及相对于GBDT的改进。与RF的不同。
算法题：三色旗。
算法题：已知后序和中序遍历求前序。
反问。

二面

自我介绍。

讲实习经历和论文。
询问论文细节（Attention等），问了很久。
DeepFM以及变种（简历写了）。
算法题：求平方根。
反问。

百度

一面

自我介绍。

讲实习经历，因为实习经历跟部门非常match，所以整个面试都是在讲经历，问的很细。
算法题：判断链表有环。
算法题：求环的起点。
反问。

二面

自我介绍。

讲实习经历，问的更细了，各种实现细节，各种指标，数据量都问了，当时都快给我问懵了。
算法题：二叉树层次遍历。
算法题：Z字遍历。
反问。

京东

一面

电话面，自我介绍然后让我挑一个最好的经历讲，我就讲了实习，然后针对实习问了问一些FM的问题。

反问。

二面

电话面，自我介绍，讲了实习，然后问了让我印象比较深的问题 Xgboost 的特征重要性是怎么评判的， LightGBM 和 Xgboost 的并行策略对比。

反问。

三面

电话面，自我介绍，然后问了个场景题，之后就纯聊天了。

反问。

快手

一面

电话面，自我介绍然后让我挑一个最好的经历讲，我就讲了实习，然后针对实习问了问一些FM的问题。

反问。

二面

自我介绍，讲实习经历，问了XGboost和LightGBM，写了两个题：字符串匹配、最长上升子序列。

反问。

三面

自我介绍，讲实习经历，聊天。

反问。

总结

面试官总体对你的考察主要是三个方面：

1、项目经历：包括你的论文、实习、比赛经历，这些一定要准备好，一问细节就露怯的话非常减分，因为如果连你写在简历的项目你都不能比较好的讲出来的话，会让面试官怀疑你的诚信问题。如果经历Match会大大加分。

2、基础知识：说实话大部分同学就是背八股文，各种算法的面经牛客上都能查到，但是，只背过是不够的，你写在简历的每个算法你都要非常清楚它背后的数学原理，这需要你从头到尾自己推一遍，理解它之后你才能跟面试官讲的流畅，如果你只是背的话面试官其实很容易发现破绽的，毕竟现在每个人都会背，根本没法筛选。

3 、代码能力：我的水平就是Leetcode200+，然后重点就是把Hot100跟剑指掌握了面试基本就OK了，面试的代码题，大部分面试官基本都是从这里面出（PS.字节真是我的梦魇），而且一定要注意你的代码规范，这点还是很重要的。还有就是一定要先跟面试官确认你的思路，不要上来闷头写，写题的时候最好有互动。

最后祝大家校招完美收官，都能拿到自己想要的offer，一起加油！欢迎大家来交流～

由于微信平台算法改版，公号内容将不再以时间排序展示，如果大家想第一时间看到我们的推送，强烈建议星标我们和给我们多点点【在看】。星标具体步骤为：

（1）点击页面最上方"AINLP"，进入公众号主页。

（2）点击右上角的小点点，在弹出页面点击“设为星标”，就可以啦。

感谢支持，比心。

欢迎加入校招实习交流群

进群请添加AINLP小助手微信 AINLPer（id: ainlper)，备注校招or实习

推荐阅读

这个NLP工具，玩得根本停不下来

征稿启示| 200元稿费+5000DBC（价值20个小时GPU算力）

完结撒花！李宏毅老师深度学习与人类语言处理课程视频及课件（附下载）

从数据到模型，你可能需要1篇详实的pytorch踩坑指南

如何让Bert在finetune小数据集时更“稳”一点

模型压缩实践系列之——bert-of-theseus，一个非常亲民的bert压缩方法

文本自动摘要任务的“不完全”心得总结番外篇——submodular函数优化

Node2Vec 论文+代码笔记

模型压缩实践收尾篇——模型蒸馏以及其他一些技巧实践小结

中文命名实体识别工具（NER）哪家强？

学自然语言处理，其实更应该学好英语

斯坦福大学NLP组Python深度学习自然语言处理工具Stanza试用

关于AINLP

AINLP 是一个有趣有AI的自然语言处理社区，专注于 AI、NLP、机器学习、深度学习、推荐算法等相关技术的分享，主题包括文本摘要、智能问答、聊天机器人、机器翻译、自动生成、知识图谱、预训练模型、推荐系统、计算广告、招聘信息、求职经验分享等，欢迎关注！加技术交流群请添加AINLPer(id：ainlper)，备注工作/研究方向+加群目的。