《算法面经》专题

聊项目 用户行为序列提升原因，是否模型之前加了类似的特征 esmm、mmoe、ple是要解决什么问题，以及它们的优缺点 多任务跷跷板负迁移及解决方法 线上线下是否有差异，原因是什么 xgb和lgbm的区别以及优缺点 问项目中的每个模型、方法是为了解决什么问题 一面手撕无重复最长字串 二面手撕买卖股票的最佳时机 #实习，投递多份简历没人回复怎么办# #实习与准备秋招该如何平衡# #找不到实习会影响秋

复活赛，广告 一面: 1. 面试官上来就先介绍部门情况，无自我介绍 2. 挑一个竞赛和项目讲一下 3. 问XGBoost，正则化公式手写，共轭梯度法，牛顿法的黑塞矩阵，神经网络中为啥不用牛顿法，口述的时候都让我手写一下，回答的基本没问题 4. 手撕哈夫曼编码，已知字符ABC各自出现的次数，求最短的编码，25分钟左右，写出来了 5. 业务中的场景题，类似01背包，但是求不了全局最优，回答用最优化方法

主要内容：页面替换算法的类型页面替换算法决定哪个内存页面将被替换。 替换过程有时称为换出或写入磁盘。在主存储器中找不到请求的页面时(页面错误)，完成页面替换。 虚拟内存有两个主要方面，即帧分配和页面替换。 拥有最佳的帧分配和页面替换算法是非常重要的。 帧分配全部是关于将多少帧分配给进程，而页面替换则是确定需要替换的页码，以便为请求的页面留出空间。 如果算法不是最优的？ 如果分配给进程的帧数量不够或不准确，则可能会出现抖动问题

真的是目前最舒服的一次面试 面试官也好好好温柔好nice！ 自我介绍 项目介绍 我介绍了二十多分钟 问后面有研究什么方向之类的聊天问题 没再问八股之类的 再说一遍 好nice的面试官姐姐#海尔面经#

8-22 问项目，机器学习基础，30‘，没刷题 #我的秋招日记#

人傻了，我还说自己比较菜就投秋招吧，提前批就不参与了，结果面试结束面试官和我说因为是提前批所以题目会比较难，投错了 没有问太多，就是自我介绍，然后聊了会项目，问了点最近目标检测比较火的 DETR 系列。 然后一道中等偏难的算法题吧，主要还是自己最近算法题做得太少了，花了太长时间。 最近要重视算法题了。 #23届找工作求助阵地##2023校招##2023秋招##秋招##算法面经#

8-24 俩面试官，40’，全程扣项目、实习、机器学习，没刷题，最后说工作地南京。。。我投的不是上海吗 #2023秋招#

面试体验还错，没有技术相关的 自我介绍+二道智力题？+反问 第一次面试遇到直接做题的哈哈哈紧张到连题差点看不懂 反问问面试官我的表现，面试官说有规定不能说🤫哈哈哈哈好尴尬😅 希望能过吧～ #诺瓦星云校招##算法##二面##面经#

本人中九统计学专业 3.15投的蚂蚁信贷事业群的算法，3.21一面，之后一直没消息然后4.13下午突然打电话来开始二面，我问面试官怎么这么久他嘿嘿一笑说由于部门人事变动耽误了一些时间😅😅 二面问的问题也是很无奈，自我介绍刚说完实习经历就不让我继续说了（我的项目是风控算法相关的但是也没让我说），然后就开始问实习，之后问了我位运算（不会），然后又问了一个三个杯子倒水的问题，然后是场景题，让我现场估

算法，决策优化和营销方向 问竞赛，说我kaggle竞赛第3名应该有很多美刀奖金吧，说羡慕了 八股，transformer，注意力机制，自注意力，写注意力值计算公式，f1公式，logloss公式，kmeans代码(只知道流程，不会写具体推导，只会调库)； pytorch的nn.embedding与nn.p开头的(忘记是什么了)的区别，不知道后面那个； 最优化，混合整数规划是否了解，求解器了解哪些 基

第一次分享，攒一波人品，许愿offer。 时间线：7.24投递 8.10笔试 9.1一面 9.19二面（终面） base: 天津 部门：SSG 一面： 30min，主要问基础八股，简单问了两个简历的问题，手撕非递归前序遍历二叉树，无英文。问题也基本都打上来了，面试官很好，结束的时候就说这面肯定没问题。 二面： 1h10min，3个人，技术负责人，主管，HR。 英文自我介绍+两个简单的英文问题，实习

2024/10/16 自我介绍2min，前后加起来一共一个半小时时间 问实习项目和研究生课题，非常细节，里面的每一个技术细节以及详细流程都会打断提问，也会顺势延伸相关的技术细节，比如定位的效果，你在这里面主要做的工作。 slam八股： 1 点云NDT匹配的原理，具体的实现。 2 经典ICP算法的算法流程 3 你了解其他的一些ICP变种算法，是怎么实现的，例如Gicp，点到线，点到面的icp 4 i

想死，搁这考试呢 CNN的优缺点 CNN每一个环节的定义和优缺点 距离计算公式 评价指标计算公式 机器学习选一个你最懂的说优缺点 Pandas数据类型区别 集合和列表的区别 我知道很简单，但我根本记不住 不想转码了，想死

1. 做题，用梯度下降求解根号二的值 2. transformer 1. 结构介绍 2. attention介绍 3. 有没有了解过其他的attention结构 3. 分类算法用什么损失函数 4. 交叉熵的原理 5. kl散度与交叉熵区别 6. 为什么二元分类不用mse #滴滴面试# #算法#

2023.09.09 全程25min 1、自我介绍 2、概率题 检测为阳性时感染概率 3、八股 a. 用过哪些数据结构，展开介绍 b. Transformer的了解，跟CNN相比优势 c. 过拟合的解决方案 4、手撕 反转链表