演算法工程師面試總結

滴滴：

滴滴面試模式比較固定，每一面是先根據簡歷問項目和基礎知識，然後一道演算法題。

一面：

1.深度學習中防止過擬合的方法

2.dropout為什麼能防過擬合

3.介紹一下batch normalization

4.對GBDT了解嗎

5.情景題：假設你是ofo的一名演算法工程師，ofo有很多壞車，現在根據訂單信息，設計方法，幫助維修人員檢修壞車。先讓設計特徵，然後選擇分類器。

6.演算法題：一個整數數組，設計方法，讓所有奇數在前，所有偶數在後。擴展：假設不止奇數偶數，有三種數，第一种放前面，第二种放中間，第三种放最後，該怎麼辦。

二面：

1.演算法題：給定一個整數n，編寫函數算出有多少個每位都不相同的n位整數，要求儘可能考慮所有情況。

2.用代碼寫出Logistic regression的損失函數，並提問了這個損失函數如何推導出的。

3.介紹SVM

頭條：

頭條和滴滴類似，每一面先根據簡歷問項目和基礎知識，然後兩道演算法題。

一面：

1.演算法題：一個整數數組，設計方法，讓所有奇數在前，所有偶數在後。

2.給定一棵二叉樹，編寫代碼判斷這棵樹是否左右對稱。

3.聊項目，問了一個開放問題：深度學習中壓縮模型的方法

二面：

1.演算法題：給定一個整數數組，找出兩個下標，要求：後面下標所指的數減前面下標所指的數之差最大。

2.也算是演算法題：編寫函數計算softmax中的cross entropy loss

3.聊項目

三面：

全程聊項目，問得很細。

騰訊：

一面：

挑簡歷上的一個項目，讓你介紹，然後面試官從中問問題：

1.寫出離散傅里葉變換的公式（這個是我項目中自己給自己挖的坑，一般應該不會這麼問）

2.問ridge和lasso有什麼區別，l2範數為什麼能防止過擬合，l1範數為什麼能讓權重稀疏，（這裡我回答了因為l1範數更有可能在坐標軸上和loss相切，然後面試官追問相切是什麼意思，沒能答上來）

二面：

全程聊項目。

總結：

1.自我介紹最好提前準備好，然後自己背幾遍。這樣開場會比較順利。

2.簡歷上的東西一定要會。如果面試官問了你簡歷上沒有的東西，比如滴滴面試官問我GBDT，我確實不會，那就可以說明這個我沒用過，所以不太了解，面試官會覺得情有可原。但是如果問了你簡歷上的內容，還是答不出來，會讓面試官覺得你不靠譜。

3.對於演算法題，不一定一開始就給出最優的解法，最好是先把你能想到的解法說出來，然後面試官會讓你優化，再慢慢想。可以跟面試官說我思考一下，然後在草稿紙上推導或者寫寫思路，如果拖了太久還是沒有思路，就找面試官問能不能給點提示（當然過程要很有禮貌）。

摘自牛客網，作為自己檢測和努力的方向。