【面试招聘】一份转ML的面试心得记录

机器学习初学者

共 1835字,需浏览 4分钟

 ·

2020-10-08 14:14

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。

  • Xgboost,以及相对于GBDT的改进。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,LightGBMXgboost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~

往期精彩回顾





获取一折本站知识星球优惠券,复制链接直接打开:

https://t.zsxq.com/662nyZF

本站qq群704220115。

加入微信群请扫码进群(如果是博士或者准备读博士请说明):





浏览 17
点赞
评论
收藏
分享

手机扫一扫分享

分享
举报
评论
图片
表情
推荐
点赞
评论
收藏
分享

手机扫一扫分享

分享
举报