滴滴算法一二三面面经
对着项目问的比较多
1. 线性回归的假设条件是什么
2. 介绍lstm，transformer这些
3. transformer相比于seq2seq，它的增量点在什么地方
4. 因果推断和（事件发生前拟合一个模型，使用这个模型对事件发生后进行预测从而得到效应），增量在什么地方，有哪些本质上的区别（跟我的项目相关）
5. 对于销量预测模型，你有什么思路；怎么进行模型选型；如果没有其他特征，只有按时间变化的销量，可以怎么预测？
6. 一个人投篮的命中率是60%，是投10次至少命中7次的概率大，还是投100次至少命中70次的概率大（大数定律）
7. 手撕：两个椭圆x^2+y^2/2=1,x^2/2+y^2=1，求这两个椭圆相交部分的面积（蒙特卡洛模拟，好像还可以使用极坐标直接求解，忘了）
比较注重数理（可能也是因为我是数理出身）
【二面】
1. 50个黑球和50个白球，分别放进两个框，怎么放置，可以让一个人拿到白球的概率最大
2. 一个细胞的生命有三个小时，每个小时都会分裂一次，到T时刻会有多少细胞呢？
3. 希望在算法岗从事什么样子的工作
4. 技术栈有哪些
面试时间很短，面试官很佛系，没咋问
【三面】
1. 问对深度学习那块比较熟，回答时序预测，问有无读过现在的SOAT方法，回答无（没读过啥paper）
2. 什么样的embedding是好的embeding，怎么评估
3. 选择unieval模型是怎么做的模型选型
4. 拿到一个新方向是怎么调研的，怎么去找论文的
5. 介绍transformer，每个encoder的结构是什么
6. 介绍self-attention
7. 怎么理解q，k，v
8. 可以使用同一个W_q和W_k吗
9. 为什么q×k之后要scale，d 是什么
10. 时空图（论文，但是别人做的这part，自己不太了解了）
11. 手撕：打家劫舍
（偏重对算法的理解，和项目实现上的一些细节）
一二面反馈非常快，5分钟就会有下一面的反馈，三面无了，可能自己没过
攒人品攒人品攒人品！许愿许愿许愿！
类似资料：