|
作者：CHEONG 2,、傳統(tǒng)機(jī)器學(xué)習(xí)相關(guān)算法原理及使用細(xì)節(jié) 3、深度學(xué)習(xí)算法相關(guān)算法原理及使用細(xì)節(jié) 4,、手動(dòng)Coding,，數(shù)據(jù)結(jié)構(gòu)的考察 首先也是重重之中,，就是要準(zhǔn)備好一份漂亮的簡(jiǎn)歷,，簡(jiǎn)歷的重要程度不用多說,，我想大家首先給自己心理設(shè)下這樣一個(gè)標(biāo)準(zhǔn),，我這份簡(jiǎn)歷前后修改了有20個(gè)版本了沒有。 簡(jiǎn)歷投出去之后就是自我的準(zhǔn)備工作,，對(duì)于傳統(tǒng)機(jī)器學(xué)習(xí)算法,，我列舉一些如： K-近鄰，K-Means,，樸素貝葉斯,，決策樹(ID3, C4.5, CART, GBDT, Xgboost, Lightgbm, 隨機(jī)森林等)，邏輯回歸，最大熵模型,，支持向量機(jī)SVM,，EM算法，隱馬爾科夫模型,，條件隨機(jī)場(chǎng)等,，這些傳統(tǒng)機(jī)器學(xué)習(xí)算法在面試中經(jīng)常會(huì)被問到原理，或者直接讓你公式推導(dǎo),，推薦閱讀的書籍如：李航-統(tǒng)計(jì)機(jī)器學(xué)習(xí),，周志華-西瓜書，劉鐵巖-分布式機(jī)器學(xué)習(xí)等 除了傳統(tǒng)機(jī)器學(xué)習(xí)就是深度學(xué)習(xí)算法的復(fù)習(xí),，深度學(xué)習(xí)模型的考察通常會(huì)結(jié)合實(shí)際的項(xiàng)目場(chǎng)景進(jìn)行考察,，那掌握模型的原理便是基礎(chǔ)，?？疾榈纳疃葘W(xué)習(xí)模型如 1,、CNN，RNN/GRU/LSTM,，Transformer（NLP特征提?。?/p> 2、Word2Vec,，Glove,，F(xiàn)astText，Elmo,，Bert,，F(xiàn)lair（預(yù)訓(xùn)練詞向量） 3、CNN,，RNN,，RCNN，DPCNN,，F(xiàn)astText,，HAN，Bert（NLP分類模型） 4,、GNN,，GCN，SGCN（圖模型） 深度學(xué)習(xí)算法復(fù)習(xí)推薦書籍如：花書-深度學(xué)習(xí),，python神經(jīng)網(wǎng)絡(luò)編程等 最后一個(gè)便是面試都少不了的coding,，如果現(xiàn)場(chǎng)面試基本都會(huì)準(zhǔn)備一張紙一支筆然后手動(dòng)Coding，像今年遠(yuǎn)程面試那就都是線上coding,，像頭條或部分公司就會(huì)使用?？途W(wǎng)在線編程環(huán)境,，線上coding其實(shí)相對(duì)于手動(dòng)coding還是有好處的，因此平時(shí)就是在線上寫代碼,，但如果是手動(dòng)coding大家需要注意一些問題,，不要以為線上會(huì)coding，紙上也能完整的寫下來,，需要提前在紙上寫一寫,，因?yàn)榫€上coding是有可自動(dòng)補(bǔ)全的編程環(huán)境，會(huì)讓你舒服很多,。手動(dòng)Coding的能力不是短時(shí)間可以練出來的,，因此平時(shí)大家要多練習(xí)，這個(gè)大家倒不用買什么書籍,，就可以在Leetcode網(wǎng)站,，牛客網(wǎng)站上進(jìn)行練習(xí),。 接下來就給大家奉上將近20家公司NLP算法崗的面經(jīng),，供大家參考，我把面經(jīng)分為了暑期實(shí)習(xí)面試篇和日常實(shí)習(xí)面試篇,，其實(shí)暑期實(shí)習(xí)和日常實(shí)習(xí)面試的內(nèi)容沒有太大的區(qū)別,，只是在流程上暑期實(shí)習(xí)面試的流程很長(zhǎng)，在招聘上公司也會(huì)更加的謹(jǐn)慎,。 當(dāng)然只要大家對(duì)上面提到的四項(xiàng)內(nèi)容全都掌握，那么面經(jīng)倒也沒有太大意義了,，如果大家想溝通面試經(jīng)驗(yàn)或者某些公司組別的相關(guān)情況可以關(guān)注公眾號(hào)后獲取我的聯(lián)系方式,，希望和大家一起交流學(xué)習(xí)。 (2) 對(duì)算數(shù)表達(dá)式求值，如給定字符串'1+((2+3)*4+(4+2))-5*(2+1)',，求算數(shù)表達(dá)式結(jié)果(2) 介紹一些傳統(tǒng)機(jī)器學(xué)習(xí)的分類體系(3) Bert和Elmo在工程中存在的一些Trick1,、簡(jiǎn)單介紹一下實(shí)習(xí)項(xiàng)目2,、以往實(shí)習(xí)經(jīng)歷的體驗(yàn)和收獲4,、對(duì)工作地點(diǎn)和入職時(shí)間的確認(rèn)阿里面試體驗(yàn)：根據(jù)很多同學(xué)交流反饋的不完全統(tǒng)計(jì)，阿里面試一面難度最大,，之后的面試好多都是只聊簡(jiǎn)歷項(xiàng)目,。阿里的HR權(quán)利很大，即使面到了最后一面HR面還是有很大可能會(huì)被掛掉,，一句話夸張的概括一下阿里HR的存在吧,，#阿里技術(shù)部的面試官是在給HR部門招人，而不是HR再給技術(shù)部招人#,。而且阿里的流程走的是真的慢，很多同學(xué)都是在HR面后超過半個(gè)月才會(huì)收到offer意向書,，所以面了阿里就得放平心態(tài)耐心等著吧。2,、結(jié)合簡(jiǎn)歷詢問相關(guān)模型細(xì)節(jié)及工程細(xì)節(jié)(1) 不用Python自帶的包實(shí)現(xiàn)INT轉(zhuǎn)為STR(2) 反轉(zhuǎn)鏈表,，劍指offer原題/Leetcode206(3) 給定一段文本Text，對(duì)文本做各種數(shù)據(jù)統(tǒng)計(jì)(1) 字典樹的最大正向匹配算法實(shí)現(xiàn)(2) Leetcode146-LRU緩存機(jī)制(1) 介紹過擬合的方法,，L1和L2正則的區(qū)別,，L1正則為什么產(chǎn)生稀疏解(2) dropout方法如何防止過擬合，直接簡(jiǎn)化網(wǎng)絡(luò)和dropout的區(qū)別(3) 介紹深度模型中的優(yōu)化函數(shù)以及優(yōu)缺點(diǎn),，介紹實(shí)際工程中如何判定過擬合(4) 給房屋面積/房間個(gè)數(shù)/是否有電梯/是否南北通透/樓層數(shù)以及房屋價(jià)格，描述解決思路(1) 實(shí)現(xiàn)dropout函數(shù)(2) 長(zhǎng)度N的整數(shù)數(shù)組，只用乘法不用除法,，求任意N-1個(gè)數(shù)乘積最大一組(3) 二叉樹中的所有和為Target路徑,，Leetcode113-路徑總和2(2) 分類文本中如果含有一些關(guān)鍵詞擾亂分類結(jié)果如何處理，舉例(3) 分類文本中如果出現(xiàn)一些新詞無(wú)法識(shí)別導(dǎo)致分類錯(cuò)誤如何處理(4) 分詞多個(gè)分類模型的優(yōu)缺點(diǎn)如CNN,，RNN,，F(xiàn)astText以及應(yīng)用場(chǎng)景(5) 開放題: 農(nóng)夫山泉公司對(duì)水資源的開采是否會(huì)造成水資源的枯竭，如何看待騰訊面試體驗(yàn)：暑期實(shí)習(xí)在流程上騰訊和阿里比也快不到哪里，但是騰訊有一個(gè)特別好且可以利用來加快面試速度的小方法,，那就是基本每個(gè)人都可以直接接觸到騰訊的HR,，在面試進(jìn)度被卡時(shí)，可以通過聯(lián)系騰訊HR來直接推進(jìn)面試進(jìn)度,，HR小姐姐一般都很樂意幫忙,。還有就是騰訊HR面完之后基本就挺穩(wěn)了，這點(diǎn)和阿里也差別很大,。3,、算法題：字符串s只包含字母‘a(chǎn)’和‘b’，請(qǐng)問同時(shí)滿足以下條件的字符串s’的最大長(zhǎng)度（1）s’是s的連續(xù)子字符串,，（2）s’里‘a(chǎn)’和 ‘b’數(shù)目相等 ，(3) o(n)的時(shí)間復(fù)雜度(1) python中的裝飾器,、值傳遞和索引傳遞(2) word2vec和FastText模型以及二者的區(qū)別,，F(xiàn)astText算法N-gram作用3、算法題：實(shí)現(xiàn)K-Means算法HR面試相對(duì)輕松,，就是問了以前實(shí)習(xí)有沒有什么收獲以及之后的職業(yè)規(guī)劃，還有HR介紹了一波頭條的AI Lab頭條面試體驗(yàn)：頭條給人的感覺就是嚴(yán)謹(jǐn),，無(wú)論從HR或者到面試官，首先頭條的HR還是真的專業(yè),，在面試前都有HR先和你溝通面試時(shí)間,，有什么問題都可以和HR溝通。談到這點(diǎn)我就特想說,，阿里的面試很多都是突然某個(gè)午休時(shí)鈴聲響起就這么突然地被面試了(基本都是用公用電話打，也不給你任何聯(lián)系他們的機(jī)會(huì),，神秘的組織啊)，至于HR嘛只有在HR面的時(shí)候你才能聽到他的聲音,，但他還有決定你去留的強(qiáng)大權(quán)利,。頭條的面試官嚴(yán)謹(jǐn)怎么說呢,，就是頭條的每次面試基本都是一個(gè)小時(shí)左右,，不少不多。但阿里和騰訊那就看面試官心情了,。(1)CNN 模型中池化層的作用,，Max Pooling 是如何反向傳遞梯度的,。
(2)機(jī)器學(xué)習(xí)中正則化做什么的,？約束模型參數(shù),，防止過擬合,。
(3)正則化有 L1 和 L2 正則化區(qū)別是什么(4)Transformer 模型架構(gòu), Transformer 和 BERT 的位置編碼有什么區(qū)別
(5)Dropout 有什么作用3、算法題：給定一個(gè)未排序的整數(shù)數(shù)組,，找出最長(zhǎng)連續(xù)序列的長(zhǎng)度,，o(n)時(shí)間復(fù)雜度,，leetcode128原題2,、簡(jiǎn)歷上設(shè)計(jì)的相關(guān)算法原理介紹3,、算法題：尋找兩個(gè)有序數(shù)組的中位數(shù),，o(log(n))時(shí)間復(fù)雜度,，leetcode4原題1,、聊項(xiàng)目(一個(gè)小時(shí))
2、算法題：array=[1, 3, 7, 9, 12, 15, 21], target=21, 找出數(shù)組中所有和(n個(gè)數(shù),n=1,2,…)目標(biāo)數(shù)的數(shù)集合,，leetcode39、leetcode40組合總和問題1,、聊項(xiàng)目(半個(gè)小時(shí))
(1)尋找二叉樹中任意兩個(gè)節(jié)點(diǎn)的公共父節(jié)點(diǎn)，無(wú)指向父節(jié)點(diǎn)的指針且不準(zhǔn)添加(2)兩個(gè)list1,，list2保存了電話信息,，電話都是字符串且都有數(shù)字組成長(zhǎng)短不一,，查詢list2中電話在list1中出現(xiàn)的情況：如果完全匹配返回電話,，如果只是前綴且僅是一個(gè)電話前綴返回電話,，若是多個(gè)電話前綴則返回空,，如果完全不匹配返回空1,、聊簡(jiǎn)歷項(xiàng)目,，介紹BERT,、Attention、Transformer原理2,、場(chǎng)景題：對(duì)于分類問題中的多標(biāo)簽問題/或者多級(jí)字標(biāo)簽問題如何解決3,、算法題1：二叉樹的層次遍歷,，leetcode102,leetcode107原題2、場(chǎng)景題：對(duì)于分類中為什么要采用數(shù)據(jù)不同比例3,、寫出交叉熵公式并解釋為什么要使用交叉熵作為損失函數(shù)去評(píng)估誤差3,、算法題1：leetcode15三數(shù)之和2、介紹Bert,、XLNet、Attention,、CNN的原理，3,、探討了rule激活函數(shù)如果不加在卷積層之后而是加在最大池化層之后有什么影響2、python中字典和集合的實(shí)現(xiàn)結(jié)構(gòu)3,、算法題1：使用Tensorflow實(shí)現(xiàn)Softmax函數(shù)4,、算法題2：給了一個(gè)文檔集合，計(jì)算每篇文檔中每個(gè)單詞的TF-IDF值5,、算法題3：二維平面有很多點(diǎn)，判斷二維平面中是否存在平行線2,、傳統(tǒng)機(jī)器學(xué)習(xí)：L1/L2正則化及對(duì)損失函數(shù)造成影響的區(qū)別,、邏輯回歸,、GBDT原理以及殘差實(shí)現(xiàn)細(xì)節(jié),、GBDT和Xgboost對(duì)比、高斯過程原理,、吉布斯采樣原理3,、算法題1：求一個(gè)整數(shù)的平方根4、算法題2：給定兩個(gè)整數(shù)數(shù)組,，對(duì)第一個(gè)數(shù)組進(jìn)行排序,，整數(shù)順序由其在第二個(gè)數(shù)組中的位置決定,，對(duì)于沒有出現(xiàn)在第二個(gè)數(shù)組中的整數(shù),，應(yīng)排在末尾,，其之間順序無(wú)限制。這里整數(shù)的取值范圍是[0, 2^32-1]，例如第一個(gè)數(shù)組為5 1 6 2 1 2 3, 第二個(gè)整數(shù)數(shù)組為2 1 3, 則排序結(jié)果為2 2 1 1 3 6 5或2 2 1 1 3 5 61,、聊簡(jiǎn)歷項(xiàng)目,，面試超水，聊完簡(jiǎn)歷項(xiàng)目直接要了2,、word2vec原理、如何得到詞向量,，fasttext原理3、GDBT梯度決策提升樹,、xgboost,、lightgbm原理及區(qū)別4,、算法題：給定數(shù)組例如[A,B,C,D,E,F],給定目標(biāo)數(shù)C, 得到數(shù)組[D,E,F,C,A,B]2、算法題：兩數(shù)之和,，從數(shù)組array中找出兩數(shù)之和為target3,、算法題：在一個(gè)坐標(biāo)系中給定(0,0),、(a,b)點(diǎn),，從(0,0)點(diǎn)出發(fā)，每次只能向右走一步或者向左走一步,，到達(dá)目標(biāo)點(diǎn)(a,b)點(diǎn)一共需要走多少步4,、GBDT和xgboost的原理,，為什么常說xgboost可以并行的,，GBDT和xgboost有什么區(qū)別5、L1正則化和L2正則化的區(qū)別,，L1正則為什么產(chǎn)生大量稀疏解3、算法題：將多個(gè)排序好的鏈表合并成一個(gè)有序鏈表4,、一對(duì)夫妻有兩個(gè)孩子,，第一個(gè)是女孩,，問第二個(gè)是男孩的概率5,、CNN,RNN,LSTM,BERT全稱都是是什么2,、激活函數(shù)有哪些以及激活函數(shù)如何選用3,、操作系統(tǒng)中進(jìn)程和線程有什么區(qū)別,，通信方式2,、介紹Bert,、Transformer,、Attention原理4,、算法題：在二叉樹中同層的節(jié)點(diǎn)之間添加左孩子到右孩子的指針2、算法題：樹中任意兩個(gè)節(jié)點(diǎn)的最近公共父節(jié)點(diǎn),，面試官讓使用兩種遞歸的方式實(shí)現(xiàn),，并且又要求使用迭代形式實(shí)現(xiàn)，迭代實(shí)現(xiàn)樹的中序遍歷3,、深度學(xué)習(xí)相關(guān)知識(shí)：CNN架構(gòu)理解,，梯度消失和梯度爆炸，L1正則和L2正則,，損失函數(shù)2,、算法題：LCS迭代實(shí)現(xiàn)、遞歸實(shí)現(xiàn),、LCS序列打印、算法優(yōu)化,，LCS和最長(zhǎng)公共子串區(qū)別5、許多開放性試題如：維護(hù)一個(gè)項(xiàng)目上線最主要的是什么,，NLP領(lǐng)域都有哪些任務(wù)，詞向量預(yù)訓(xùn)練發(fā)展整個(gè)過程等等2,、介紹HAN模型原理，Attention機(jī)制原理3,、算法題1：判斷一個(gè)序列是否是二叉搜索樹的后序遍歷序列4、開放算法題2：在牛市實(shí)時(shí)數(shù)據(jù),，不斷的有數(shù)字型數(shù)據(jù)流進(jìn)入，如何在每次進(jìn)入時(shí)得到當(dāng)前所有數(shù)據(jù)的中位數(shù)1,、求公選課人數(shù)的平均數(shù)（不知道每個(gè)公選課的選課人數(shù)）2、給出QA中的Question和Answer,，你能做些什么3、word2vec中cbow\skip-gram滑動(dòng)窗口設(shè)定大小有何影響4,、有事筆記本電腦跑程序出現(xiàn)內(nèi)存不夠用，但是打開任務(wù)管理器發(fā)現(xiàn)還有空余內(nèi)存為什么6、算法題：任意兩個(gè)樹節(jié)點(diǎn)的最近公共父節(jié)點(diǎn)3,、CNN和RNN中反向梯度傳播過程,，為什么會(huì)出現(xiàn)梯度消失或梯度爆炸4、算法題：用前序序列和中序序列重構(gòu)二叉樹2,、算法題：設(shè)計(jì)一個(gè)游戲角色在地圖中從起始位置到目標(biāo)位置是否有可行路徑,，如果有記錄下來
|
