美团暑期实习算法面经
3.11投递简历 算法岗
3.16笔试 A了3道，其余两道过了70%+20%左右
3.26 一面
投的是CV算法，但是被机器学习/数据挖掘算法岗捞了，以为大概率白给了，前一天恶补了机器学习和概率论的相关知识点，没想到压根没问
时长1h（部分问题有些遗忘)
- 介绍项目（20min+）
- 项目中针对模型的设计改进，如何保证，或者说引导模型学习到你期望的能力
- 介绍Transformer中的位置编码
- 使用正弦和余弦函数作为位置编码有什么好处
- 深度网络模型中权重能不能都初始化为0
- 数据集中正负样本不均衡的情况怎么解决
- 解释梯度消失和梯度爆炸
- 如何解决梯度消失和梯度爆炸
算法题：给出一个数组，利用快速排序的思想，找出数组中第K大的数。（快速选择）
反问：
介绍一下机器学习以及数据挖掘在地图服务中的应用
针对面试表现有什么建议
上来面试老师介绍了部门，承担的业务，主要会使用到Transformer，刚好我研究方向也是基于Transformer，所以才会捞我吧。接着主要在和面试官聊在学校做的研究，然后发散问了一些项目问题。八股问得不多，算法给得也比较简单，但是面的时候太紧张，写了大概10min才做出来
三天后约了下周二的二面
4.2 二面
时长40-50min
- 自我介绍
- 介绍项目
- 算法题：有一个非严格递增的矩阵，每一行第一个数大于上一行最后一个数，判断矩阵中是否存在target值
- Transformer相较于RNN有什么优点
- 介绍Transformer中的位置编码
- 如何处理样本类别不均衡的问题
- 如果你和你的师哥/导师发生意见方案上的分歧，你会怎么做？
- 未来的职业发展规划
- 什么时候到岗，能实习多长时间
反问：实习生的工作安排，针对面试表现有何改进建议，后面是否还会有技术面
二面相对一面来说没有问那么多的技术问题，主要还是在介绍项目上然后发散提问，没有想到的是面试老师问了两道一面问过的八股，可能是一面答得不太好吧。两次技术面的感受真的很不错，两次都没问我太多八股，基本都是围绕项目，看面经都说美团的面试体验拉满，确实没毛病。
4.7 HR面
无提问，简单的offer call，打完电话就+v发offer了，效率拉满
类似资料：