2019 暑期实习面试及准备资料总结

暑期实习面试及准备资料总结"/>

2019 暑期实习面试及准备资料总结

2019 暑期实习面试及准备资料总结

18年年初开始转型做ML/DL，0基础，3个月学习了基础知识，打了一个kaggle比赛（DSB2018），截止投简历的时候成绩top 3%，投了三家的算法岗 今日头条图像算法岗，蚂蚁金服机器学习推荐算法，腾讯SNG图像算法，最终拿到蚂蚁金服的offer

问题总结及资料链接

（1）机器学习部分

1 逻辑回归部分
常问，推导要会
推导：

2 SVM部分
常问，推导要会，精简版看下面链接，但是写的不是很详细，最好把cs229讲义好好看看
推导： @靠靠靠谱 的回答

3 集成学习
常问，推导要会
bagging方法：看周志华教授的西瓜书
boosting方法：看李航的蓝书，特别的对于GBDT，这篇文章写的很清晰，推导相对简单
stacking方法：没有特别好的讲解，都看看吧，这篇还行
决策树：cart树是最常问的，详见李航蓝书，从推导到剪枝都要会

4 softmax
这个相对简单，这篇足够了

5 牛顿法和梯度下降
推导以及优劣比较，相对简单，直接看cs229讲义

6 交叉验证
相对简单，看这篇

7 正则方法
正则是一大块，原理方法都要懂，可以参考这些文章 ：1 2

8 归一化方法
基础问题，随便那本书都有

9 SVD分解 PCA ICA 白化
这部分我没有被问到，但是应该会问，毕竟是重点，看cs229讲义

（2）深度学习部分

1 过拟合的起因，怎么解决
这个没啥好说的，任何讲深度学习的书和课程都有，看哪个都行

2 batch normalization
这个问题下的回答很有价值

3 cnn rnn本质
这篇文章总结的很好

4 梯度弥散/爆炸
没有太好的文章，看看这篇讲resnet的吧

5 激活函数，比较
sigmod tanh relu maxout… 好多，这个随便一搜就一堆，放一个不太切题的文章吧，我偶像何之源奆佬的回答，手动滑稽

6 梯度下降优化
这就很多了，lan大神的花书讲的就很好，博客也可以看这个

7 各种网络结构
这个就太多了，cnn的 rnn的，细分还有很多，多看多熟悉吧

（3）传统算法

很奇怪，反而这块很不重视，考的题都很简单
1 阿里在线编程测试
给一个圆，切成n个扇形，涂m种颜色，要求任意两个相邻扇形颜色不同
思路：首先不考虑首尾位置的扇形是否颜色相同，那么总共是 m∗(m−1)n−1 m ∗ ( m − 1 ) n − 1 $m*(m-1)^{n-1}$ 种，
此时两种情况：1）首尾位置扇形颜色相同 2）首尾位置扇形颜色不同，第二种满足题意，不管，第一种可以把首尾颜色相同的扇形合成一个扇形，这样就成了一个相同要求但是规模是 n−1 n − 1 $n-1$ 的问题，这样递推公式就是 f(n,m)=m∗(m−1)n−1−f(n−1,m) f ( n , m ) = m ∗ ( m − 1 ) n − 1 − f ( n − 1 , m ) $f(n,m) = m*(m-1)^{n-1}-f(n-1,m)$ ，代码如下：

#include <iostream>
#include <vector>
#include <numeric>
#include <limits>
#include <math.h>using namespace std;int f(int m, int n) {if (n == 1) return 0;else return int(pow(m - 1, n - 1) + 0.2)*m - f(m, n - 1);
}
int Colour(int colour_number, int split_part) {if (split_part == 1) return colour_number;return f(colour_number, split_part);    
}int main() {int res;int _colour_number;cin >> _colour_number;cin.ignore(std::numeric_limits<std::streamsize>::max(), '\n');int _split_part;cin >> _split_part;cin.ignore(std::numeric_limits<std::streamsize>::max(), '\n');res = Colour(_colour_number, _split_part);cout << res << endl;return 0;}

2 腾讯二面 面试官随手问的一个问题
是分水岭算法的一部分，问题可以如下描述：假设有一个单通道图片，背景像素点值为0，中间的物体像素点值为1，求出所有物体像素点到背景的最短距离
**思路：**dp思想，一个像素点有8个邻点，如果这8个邻点有一个是0，那么距离为1或 2–√ 2 $\sqrt{2}$(斜边)，否则该点的距离是周围8个邻点中最短的距离+1或 2–√ 2 $\sqrt{2}$，先扫描行然后只关心行的不关心列，再扫描列，只关心列，更新上一步扫描行后的结果，是EDT算法

3 腾讯二三面之间的笔试题
有n堆石子，第i堆石子的重量是w[i]，每次合并两堆石子，并计算分数，比如，两堆石子是x,y，合并后是x+y 分数是x*y，一直合并下去，直到只剩一堆石子，求最大累积分数
思路： 一眼看到合并就是哈夫曼树呗，区别就是哈夫曼树分数是x+y，这个是x*y，那么每次取两个最大就行了，优先队列，弹出两个最大的相加计算乘积分数，然后结果扔进队列，直到队列只剩一个元素，白板写的，代码不贴了

（4）数字图像处理和模式识别

不会，没学过，腾讯就跪在这了，我都不知道有啥书可以看，不过面图像岗要求会这些也无可厚非，GG

（5）信息论

不懂，只是在李航的蓝书上看过信息熵 信息增益，其他的也不知道哪里学，GG

面试经历

1. 今日头条
   2月末
   今日头条上海（实际是收购的musicl.ly）的同学说年会前每个人有任务要内推三个人，被内推

   3月1日 面试
   问了项目，问了深度学习基础，然后让实现一个cnn的forward，当时觉得答的不错，后面莫名其妙通知跪了，说编程能力不过关，黑人问号脸？可能是numpy用的不熟有些地方用错了吧

2. 蚂蚁金服

   3.10 被内推
   收到邮件通知做线上测试和编程测试
   3.11 在线测评+编程
   周末直接把测评和编程做了，测评就是性格测试和智力测试
   编程是一个概率题，30分钟：一个圆分成n个扇形，用m个颜色着色，保证相邻的扇形着色不同，问几种方法
   然后递归实现就好了
   3.14 一面
   主要就是机器学习的传统方法和深度学习的一些问题，偏重机器学习。包括 机器学习：LR SVM 集成学习的bagging boosting方法（腾讯一面只问了stacking，正好凑齐。。),决策树(cart Id3)；深度学习的lstm 梯度爆炸/弥散，一般深度学习训练时要调哪些参数，怎么调，效果如何，overfitting，classification方法；增强学习的马尔可夫过程，问了几个算法的推导
   3.14 二面
   详细让我谈了两个项目，然后让我从本科开始讲一下自己的经历，问了自己影响最大、印象最深的事情，问了区块链的东西，为啥我认为区块链不行要自学转行机器学习，再就是问1-2年的职业规划，啥时候能来实习
   3.16 三面
   面试官非常nice，面试之前先发了条短信约时间，上来先非常热情的介绍了整个部门的机构和规划，然后让我给投的公司排个名次，为什么，还有一些感觉是根据我的回答给的问题，然后详细让我说了另外的项目（跟二面不重叠），问我为啥简历有gap时间，尤其是kaggle的比赛，重点在分工、组内构成、与前面队伍的差距，没有问技术，感觉而三面主要看潜力和除了技术之外的业务能力、逻辑能力、协作能力
   3.20 HR面
   拖了一个周才面，随便聊了聊经历项目什么的，20分钟不到就结束了

3. 腾讯

   3.16晚 一面
   大量机器学习问题，后面竟然问了好几个网络和操作系统的问题，没预料到，一点没复习，回答的不是很深入上来先介绍了一下自己的部门，然后问了lr svm 集成学习(老生常谈三件套)，详细问了stacking用法，牛顿法和梯度下降优劣，过拟合的根本原因解决方法，CNN本质，交叉验证，tcp三次握手哪次调用了accept方法，用户态内核态有什么用，进程通信方法及优劣，总之问的特别多，细节有点记不起来了感觉腾讯是有个题库，然后打印出来对着问，因为一直听到面试官翻页的声音，当然也会根据你的回答即兴问

   3.22上午 二面+三面
   二面
   因为前后两个人面的，就当二面三面一起了吧二面针对我的kaggle比赛问了很多问题，怎么做怎么调优，mask rcnn 语意分割方法等等，基本是上一个问题我回答然后针对我回答的问题继续问
   中间笔试
   给了一套题，，涉及到机器学习、深度学习、信息论、概率、等基础知识，说是部门的要求，给了40分钟，题讲道理很基础，但是不一定学过……，比如说信息论我就没学过，只能凭借熵的定义自己推(还推错了)，算法题很简单，leetcode老mid难度吧，优先队列哈夫曼树，代码也很短，基本半页纸就写的下
   三面
   然后三面面试官过来，对着你的简历和试卷，开始是问最后一题做出来没(算法题)，看了看说做的不错，然后问卷子里的题为什么这么答，后面问了一些模式识别和数字图像处理的问题，比如几个算子的分析，然而我这种自学只学完了机器学习和深度学习，公式推的欲仙欲死，哪有时间补这些基础。。。又问了问项目，最后结论是，开发能力不错，数据结构的算法能力不错，但是图像处理基础不行，没有相关论文，只会DNN是远远不够的，DNN项目本科生一个周也能搭完跑起来，不适合他们组，适合做开发，然后加了微信说后面联系，回去后在腾讯招聘查结果是挂了

总结

对项目要求高
对实际经验要求高
基础要求一般
算法题要求一般，leetcode老mid难度
技术面之后的总监面、HR面非常重视你对自己的规划，定位，性格，看重潜力
反正我是菜如狗，也没有积累，投三挂二
自以为打了一个kaggle图像的比赛就有cv经验了，还是太年轻
可能全投机器学习会好一些？
没实力是这样的
完