来看！快手秋招！算法岗位！面试功课！
Hi！给大家总结了互联网大厂秋招面试相关的问题，希望可以对大家有帮助哟～
公司： 快手
岗位：推荐 算法工程师
面试：三轮技术面，一轮HR面和快Star（ 快手 特别技术人才计划）面。
面试主要涉及的题目个人总结下来主要分为编程题、 机器学习 基础、项目（实习/研究）经历三类。
Part1.编程题
- 主要考察大家作为工程师基础的编程能力和解决问题的能力。比如，当年面试遇到的两道问题分别是寻找迷宫出口(BFS搜索)和寻找距离某个给定数字最近的斐波那契数。
- 面试时，我觉得有两点值得提醒:其一，要积极主动与面试官进行沟通；其二，在思路正确、沟通清晰之外，还要稍稍注意下代码的鲁棒性。
Part2. 机器学习基础
- 机器学习的基础知识其实囊括很多，包括基础的线性代数、概率与统计知识、深度学习相关的知识与技巧等等。例如， SVD分解与PCA的关系，处理过拟合的方法，如何理解bias-variance tradeoff以及用其解释正则化、集成学习等方法，Transformer模型的结构。准备面试时，大家可以参考Hulu团队的《百面 机器学习 》、周志华老师的"西瓜书"《 机器学习 》、李航老师的《统计学习方法》等。
- 作为今年的校招面试官，我发现候选人的深度学习研究经历越来越丰富，但相关的基础知识反倒不如预期中的那么熟悉了。其实，面试官对这些基础知识的把握也还是会在意的，因为一方面它是实际工作中需要的储备，另外一方面也能考察候选人的学习能力和某种意义上的聪明程度，是否在学习这些基础知识时真正抓住其本质。
Part3项目(实习/研究)经历
- 在这个阶段所涉及的话题可能非常开放。大家最好对自己写在简历上的工作做到了如指掌，并且能够从不同的深入程度给出相应的介绍。
- 在此过程中，我认为最重要的可能不是实习工作或者文章发表的"量"和档次"，而是工作的"深度"，例如可以体现在对所解决问题的深入思考和独到见解，或者能否举一反三、触类旁通等等。因而，相关实习和研究经历不多的同学也不必过分担心。
如果以上几轮面试表现还不错，会有机会被邀请参加公司组织的快Star面试，当年的面试包括 presentation和问答两个环节，同时有来自技术和HR部门的多位面试官。
Presentation相对比较简短，主要介绍自己的相关背景，并对其中一个比较满意的工作稍加展开。
问答更偏向一些通用的技术问题和更多的行为面试问题，比如在某份实习中学习到的主要技能，在工作中如何得体地反驳同事的观点，关于职业规划的思考等等。