如何斩获字节跳动AI LAB offer

原文连接：

https://www.nowcoder.com/discuss/408301

已获得作者destiny1996授权

    背景：字节跳动暑期实习，AI lab算法岗，base深圳，已offer 本科双非，长沙某985硕士。

    本科参加了数学竞赛和数学建模竞赛，获省奖以上奖项14次。研究生阶段拿了一个大数据竞赛一等奖。

    和一般的算法岗面试不一样，问的基本都是数学，没有深度学习那些。

    事实证明，我是一个运气选手，如果问深度学习我是过不了的。

    当然我面试这些题目也是很基础，随便一个非数学专业的大二学生都可以答的比我好，而且我调和级数那里还没证明出来。

一面

一面的时候，三个题只写出了两个水题，以为挂了，结果上岸了。

题目1：10个小球，随机分到12个盒子里，求恰好10个盒子都为空的概率。要求用Python程序模拟十万次，暴力求出该概率。

    看到这题我懵了，让我蒙特卡洛模拟？伪随机数也不好近似出概率啊，误差大的一批。头一次见不要手推数学公式，特意要求你暴力的数学题。话不多说，动手开始写，balabala,模拟完了，在牛客网一运行，我懵了，输出在十万分之一到十万分之3之间波动（十万次只有两三次恰好10个盒子为空），题目要求一共只能模拟十万次，我开始怀疑人生，检查代码，并且重新设置了随机种子，结果还是很小的概率。

    一下急了，情急之下打印出来前几次模拟的结果，确实很难出现恰好10个盒子同时为空。然后就跟面试官说，这个概率太低了，同时模拟十万次又太少，所以模拟出来的结果很小。

    然后面试官没说啥了，直接下一题。好像他也是随便选的题目，自己没做过，只是看到这个题目在题库里分类是数学，就选了这个。我也不知道这个题目的用意是啥，也不知道自己是不是想错了。

（PS: 面试之后我直接算概率，C(12,2)*(2^10-2)/(12^10)=1.091e-06,如果我算错了，欢迎各位指出。）

import random
random.seed(4)
n=100000
cnt=0
for i inrange(n):
    arr=[0]*12
    for j inrange(10):
        rnd=random.randint(0,11)
        arr[rnd]+=1
    cnt0=0 
    for j inrange(12):
        if arr[j]==0:
            cnt0+=1
    if cnt0==10:
        cnt+=1
print(cnt/n)

题目2： 二分查找元素在有序数组中的位置，如果不存在，输出-1，如果存在，输出下标（存在多个，输出下标最小的）。

面试手撕代码系列：二分法

    水的不能再水的题，但是一开始没处理好有重复数字的情况，只过了30%用例（面试过程你可以自己提交代码，并且可以看到一个错误用例，跟牛客网练习模式一样），比如4,4,5,6,7里面找4，我的代码返回了1，本该返回0。后面处理了一下，AC了，二分都不能一次通过，差点急出一把汗。

def getPos(arr,val):
    n=len(arr)
    l=0
    r=n-1
    while l<r:
        mid=(l+r)//2
        if arr[mid]>=val:
            r=mid
        else:
            l=mid+1
    if arr[l]!=val:
        return -1
    return l

题目3：

    给定一个数组，找出数组的最长连续子序列。例：3,3,4,7,5,6,8，最长的连续子序列（这里的连续是说连续整数，整个子序列是连续整数，我一开始题都没看明白）应该是(3,4,5,6)，需要返回它们的下标(1,2,4,5)。如果存在多种答案，只需给出任意一组下标。

    面试官看我不会，让我先写一个暴力的方法，我还是不会啊，然后一个小时过完了，凉凉。

    第三题暴力其实很简单，事后再写，五分钟写完了O(n^2)的。

O(n^2)的：

import sys
line=sys.stdin.readline().strip()
n=int(line)
line=sys.stdin.readline().strip().split(" ")
arr=[]
for x in line:
    arr.append(int(x))
MAX=0
rtn=[]
for i in range(n):
    val=arr[i]
    ans=[]
    for j in range(i,-1,-1):
        if val==arr[j]:
            val-=1
            ans.append(j)
    if MAX<len(ans):
        MAX=len(ans)
        rtn=ans[::-1]
print(MAX,rtn)

O(n)复杂度的（Python的字典查询是O(1)）：

a=[3,3,4,7,5,6,8]
n=len(a)
pre=[0]*n
dic={}
idx={}

MAX_len=0
dic[a[0]] = 1
pre[0] = -1
last = 0
idx[a[0]] = 0

for i in range(1,n):
    if a[i] not in dic:
        if a[i]-1 not in dic:
            dic[a[i]]=1
            pre[i]=-1
        else:
            dic[a[i]]=dic[a[i]-1]+1
            pre[i]=idx[a[i]-1]
        idx[a[i]]=i
    else:
        if a[i]-1 not in dic:
            pass
        elif dic[a[i]]<dic[a[i]-1]+1:
            dic[a[i]]=dic[a[i]-1]+1
            pre[i]=idx[a[i]-1]
            idx[a[i]]=i
    if dic[a[i]]>MAX_len:
        MAX_len=dic[a[i]]
        last=i
rtn=[]
res=[]
while last!=-1:
    rtn.append(last)
    res.append(a[last])
    last=pre[last]
print("val:",res[::-1])
print("index:",rtn[::-1])

二面

    4月7日 二面，牛客网视频面，30分钟 

    跟一面的时候一样，只问数学题目，不问机器学习相关基础（这个算法岗位是做强化学习的，但是也没问强化学习的基础知识）。这次面试没有自我介绍过程，直接问我题。

（1)y=sqrt(x^2) 的可导性。先化简为绝对值函数。定义域为R。可导要求左导数、右导数存在且相等，所以函数在x等于0处不可导，其余处可导。

（2）介绍方向导数和梯度，方向导数和梯度的关系？为什么梯度在机器学习中的优化方法中有效？梯度是向量，方向导数是数量。梯度是各个偏导数组成的一个向量，方向导数是各个偏导数与方向余弦相乘再求和。梯度这个方向的方向导数是最大的。

（3）调和级数的敛散性。我这里比较尴尬，一个方法都没说出来。我只说了证明级数发散，只需要证明级数的余项的极限不为0。然后我提了一下欧拉常数，但是我不记得欧拉常数与调和级数的关系了。面试官后来还很nice的跟我简单说了两个证明调和级数发散的方法。

（4）人群中男人色盲的概率为5%，女人为0.25%。从男女人数相等的人群中随机选一人，恰好是色盲。求此人是男人的概率。全概率公式一般不会考。面试或者笔试这种一定是考贝叶斯公式。这种题把事件用变量定义好就简单了，分清哪个是条件概率。设“一个人是男人”是事件A,事件A非为“一个人是女人”。“一个人患色盲”为事件B。需要求的是逆概率P(A|B)。面试官后面问我贝叶斯公式在机器学习里有哪些应用，我只说出了垃圾邮件识别。

（5）在网游中，野怪被杀死时，有p=0.2的概率掉落一把宝剑。野怪的死亡是独立事件。玩家持续杀死了10个野怪，求掉落4把宝剑的概率。独立重复试验，二项分布。C(10,4)(p^4)((1-p)^6)。

（6）一辆巴士载了25人，路经10个车站。每个乘客以相同的概率在各个车站下车。如果某个车站有乘客要下车，则大巴在该站停车。每个乘客下车的行为是独立的。记大巴停车次数为X，求X的数学期望（要求通过编程求数学期望）。

    根据数学期望的定义进行计算，跟一面一样，继续蒙特卡洛模拟。面试官问我，如果乘客变为50人，估计一下数学期望会变为多少，应该是接近10。

import random
n=10000
cnt=[0]*11
for i inrange(n):
    arr=[0]*10
    for j inrange(25):
        rnd=random.randint(0,9)
        arr[rnd]+=1
    SUM=0
    for j inrange(10):
        if arr[j]>0:
            SUM+=1
    cnt[SUM]+=1
ans=0.0
for i inrange(11):
    ans+=i*cnt[i]/n
print(ans)

HR面

4月10日 HR面，zoom视频面，20分钟

    HR面之前，我搜了很多关于字节跳动的东西，准备了一页纸，比如看别人分享的字节跳动实习感受，了解字节跳动的企业文化，把字节跳动的字节范的内涵背了又背，追求极致，务实敢为，开放谦逊，坦诚清晰，始终创业，多元兼容。然而这些并没有用上。

1.自我介绍？介绍项目，说一下项目的分工？

2.对前两轮自己面试表现的评价？我说了一下，感觉这个部门很重视数学基础，同时也看重编程能力（我看面经，别人的HR面基本都是HR开头告知应聘者前面的面试评价。只是让我自己评价自己，HR后面也没说我前面的面试评价）

3.为什么要选择实习？我不读博，肯定实习呀。简单说了下自己的职业规划，想搞技术，同时字节跳动的技术氛围好，字节跳动不讲title。（说到这里，HR有点意外，问我我怎么知道不讲title的）

4.还面了哪些公司？

5.介绍一下你看过的电影？

6.实习时间？

7.你有什么要问我的？

4月13日接到offer call，已发正式邮件。

推荐阅读

AINLP年度阅读收藏清单

世界读书日，我来凑个单，推荐几本NLP/推荐算法/广告系统/其他相关的新书

百度PaddleHub NLP模型全面升级，推理性能提升50%以上

斯坦福大学NLP组Python深度学习自然语言处理工具Stanza试用

当当的羊毛，快薅，这一次要拼手速！

数学之美中盛赞的 Michael Collins 教授，他的NLP课程要不要收藏？

自动作诗机&藏头诗生成器：五言、七言、绝句、律诗全了

From Word Embeddings To Document Distances 阅读笔记

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

这门斯坦福大学自然语言处理经典入门课，我放到B站了

可解释性论文阅读笔记1-Tree Regularization

征稿启示 | 稿费+GPU算力+星球嘉宾一个都不少

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。