字节跳动 | 大数据/数据挖掘面经
面试锦囊之面经分享系列，持续更新中
赶紧后台回复"面试"加入讨论组交流吧
一面 40min
-
【编程题】
有两种数据，分别是被转发的用户和转发的用户，求原视频的用户以及转发的最长深度
from：1，1，2，2，3，6
to：2，3，4，5，6，7
面试官提示转换成树的结构，我写了求树的最大深度的函数，面试官说构造树比较复杂，差不多写这样可以。
-
【SQL题】
有一张网页访问日志表，记录了user_id，session_id，page_id，timestamp
用户在每点击一个连接跳转，就会记录一个时间戳，并且page_id排序后与时间戳的排序一致，现要求每个用户的每个页面所停留的时间。
比如：
1 1 1 10:00 1 1 3 12:00
面试官看了后说差不多是这样，但要考虑一个边界的问题，最后一个page_id之类的 （请问这个怎么处理？
-
HiveSQL底层是怎么实现的？比如两张表Join的时候会有哪些操作？需要shuffle这一步吗？
-
mapReduce为什么需要Shuffle这一步
二面 40min
-
TCP四次挥手过程中，time_wait字段的作用？ -
进程和线程的区别 -
有一个文件，每一行是一个数字，如何用 MapReduce 进行排序 -
【编程题】n=3 时的全排列 -
【编程题】二叉树的序列化和反序列化 -
Hive 中的 Distribute by -
Partition By
三面 ～2h
三面的时候网真的好差，中间网络断了很多次，重新发起了4、5次视频面试，最后还是打电话了
-
【编程题】在一棵二叉排序树中，找到比给定数值小的最大节点。 -
【场景题】打车的场景下，poi记录了建筑物的坐标：poi(pid, x, y)，odr记录的是乘客上车点的坐标：odr(oid, x, y)；希望对所有的poi，获得其周围的100m的odr：结果(pid, oid)
我开始用的是欧式距离的暴力求解，面试官让我提出优化的方案，我说可以计算出每个坐标点的geohash值，相等的值说明可以建立映射关系，面试官说geohash存在的一个问题是可能会出现两个相邻100m之内的点各自的geohash不同，这时怎么解决？
-
【SQL题】有两张表：文章分类表artical_cate（aid, cate）一个文章可能有多种类型; 用户阅读表user_read(uid, aid)，一个用户可能阅读多篇文章。 -
详细问了实习的项目，涉及到业务背景，有哪些特征，整体流程和方法，问到了基于现在这个版本我会怎么继续优化？
总结
编程基础仍然是关键，结合业务场景的问题更需要拓展思路，平时还要多独立思考。
三面由于一道题没做出来，面的不太好，回绝后隔了一段时间后捞我加面
加面 45min
-
自我介绍 -
介绍公司实习的项目，准确率和召回率怎么得到的，提升后达到了多少 -
二分类问题除了准确率和召回率还有什么别的指标？ROC曲线怎么绘制的 -
训练集效果很好，但在新的样本上效果不好是什么原因导致的？你用Xgboost训练时怎么解决这个问题 -
项目中运用MR任务来提高效率是怎么实现的？MapReduce的具体流程是怎么样的？ -
描述一下在count操作的MR过程 -
写一个SQL题，考察分组聚合、分区排序等 -
【编程题】给定一个包含非负整数的数组，你的任务是统计其中可以组成三角形三条边的三元组个数。 -
场景题：如何预测抖音明天的流量 -
开放题：如何估计一个湖里鱼的数量？你说的方法可能会出现什么问题 -
操作系统：32位操作系统的内存 -
数据结构：知道哪些排序算法？归并排序在任何适合空间复杂度都可以达到O(n)吗
五面 20min
聊天面，问能不能来提前实习，毕业论文，是否有别的offer，导师实验室是否自由等问题
- END -
推荐阅读
征稿启示| 200元稿费+5000DBC（价值20个小时GPU算力）
斯坦福大学NLP组Python深度学习自然语言处理工具Stanza试用
太赞了！Springer面向公众开放电子书籍，附65本数学、编程、机器学习、深度学习、数据挖掘、数据科学等书籍链接及打包下载
数学之美中盛赞的 Michael Collins 教授，他的NLP课程要不要收藏？
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。
阅读至此了，点个在看吧👇
相关内容
微信扫码咨询专知VIP会员