《算法面经》专题

投的岗位比较杂，主要是NLP，也包括一些多模态、大模型、推荐相关的岗位，最终拿到了腾讯、顺丰、平安金服和迪子的offer，华子、京东和百度的池子。 总结一下，首先算法的问题会问得非常杂，主要根据你的项目经历，面试官一般会从你的经历里挑和他们工作内容比较相关的点提问，然后不断扩展；反而八股文问的不多，一般是一些中小厂喜欢问八股。 最后是自己的一点见解，对于非研究性质的算法岗位，论文的权重并没有很大（

自身情况：985硕，无文章，一段大厂机器人方向实习。硕士期间方向是机器人运动规划，想转行自动驾驶规控。 时间线：7.15投简历（提前批），7.22笔试，7.28一面，8.4二面，8.11三面，8.16四面，8.24hr面，9.6拉群沟通（算是OC）9.13意向。 一面7.28（45min）： 自我介绍 讲项目，他全程没说话，听我介绍了10分钟后说：我不懂机械臂规划这一块，谢谢你的分享，学习到了。

9.20下午技术一面 1. 问实习 15mins 2. 问项目问论文 15mins 3. 最后说没有时间了，然后问我会不会C++，我说本科学过。 （无手撕） 访问： 1. 后续还有几轮面试？答：还有一轮或者两轮，也有可能后续直接HR面试 9.21 下午收到HR面通知 9.22 HR面试 攒人品，许愿offer #vivo##校招##秋招#

秋招已经慢慢走过了一半，终于有时间来写一下我这半年的总结，先来讲下我的实习吧，先放面经，下一篇再来讲下在智加的实习生活。 岗位：算法实习-预测方向 本人本硕都是机械工程专业，目前在上交智能汽车研究所读研，研二下学期是可以外出实习的，大概在3月份左右开始看暑期实习的机会，本来没有太了解智加，也是机缘巧合在我实验室同学的推荐之下，我和他一起投递了智加的暑期实习。很巧的是我们两后来都来智加实习了。 在官

这次又没准备好，或者说没准备就来面试了，真的很难受。 面试前就是准备好挨揍的感觉，非常难受，明知道自己没准备，还非要参加这个面试找虐。 我再也不想体验这种感觉了，下次一定把简历背熟，题刷好，基础知识掌握牢再投简历！！绝不裸面，裸面就是自己找不痛快。 -----以上为面试前的感受---------------- ddd面试8分钟就结束了 面试官还是挺和蔼的，看我以前的经历主要做开发的，简历上只有北航

8.16一面 让我着重介绍大疆车载的主动安全系统工程实习经历，先聊了这方面比较多，但我更多是做se的工作，并没有开发过这方面算法，只对这些功能流程比较了解，就没长时间聊下去。 之后是介绍简历的硕士项目，这次运气不好，对我简历里无人机任务决策规划算法项目不太特别感兴趣（哎，之前面试过的公司都比较感兴趣，都聊了好久），面试官不让我太详细介绍，马上就是噩梦开始，问一堆背书八股知识，吐了。 1. hybr

自我介绍 自己从简历上选一个与数据分析、建模有关的项目讲 （第一个项目：） 刚刚说到这是一个比赛，是kaggle的比赛吗 为什么选用XGBoost（隐含考察点：模型的使用场景） 提到样本倾斜的问题，应该怎么解决样本不均匀 （第二个项目：） 是直接用数据集里的特征进行建模（应该是想问有没有特征筛选） 有哪些特征筛选的方法 （实习）两份实习分别做什么 （知识点）有没有学过因果推断的课程或做过相关项目

0offer选手面经发出来攒攒人品吧（悲 #无实习如何秋招上岸# ） 一面：6/1 1.自我介绍 2.介绍项目，方向可能比较对口，一直挖，哭死 3.是否是独生子女 4.哪里人 5.未来定居打算 6.能实习多久 7.职业规划走技术还是走项目管理 8.还投了哪些公司 反问： 有无暑假转正，回答没有，秋招得重新投 第二天hr打电话约二面，时间在第三天，二面和一面差不多，但项目没挖那么多，更多是问其他问题

问题内容： 有谁知道迭代和高效的洪水填充算法？ 还是有没有办法实现没有堆栈溢出错误的递归算法？ 尝试了使用堆栈的@ Flood填充， 但是我找不到在白色和黑色图像上工作的方法。 问题答案： 这个算法对我很好。

本文向大家介绍SMO算法实现？相关面试题，主要包含被问及SMO算法实现？时的应答技巧和注意事项，需要的朋友参考一下 选择原凸二次规划的两个变量，其他变量保持不变，根据这两个变量构建一个新的二次规划问题，这样将原问题划分为更小的子问题可以大大加快计算速度，而选择变量的方式是： 其中一个是严重违反KKT条件的一个变量 另一个变量是根据自由约束确定的

本文向大家介绍canopy算法原理？相关面试题，主要包含被问及canopy算法原理？时的应答技巧和注意事项，需要的朋友参考一下 根据两个阈值来划分数据，以随机的一个数据点作为canopy中心。 计算其他数据点到其的距离，划入t1、t2中，划入t2的从数据集中删除，划入t1的其他数据点继续计算，直至数据集中无数据。

本文向大家介绍ALS算法原理？相关面试题，主要包含被问及ALS算法原理？时的应答技巧和注意事项，需要的朋友参考一下 答：对于user-product-rating数据，als会建立一个稀疏的评分矩阵，其目的就是通过一定的规则填满这个稀疏矩阵。 als会对稀疏矩阵进行分解，分为用户-特征值，产品-特征值，一个用户对一个产品的评分可以由这两个矩阵相乘得到。 通过固定一个未知的特征值，计算另外一个特征值

主要内容：什么是分类问题？,Logistic回归算法我们知道有监督学习分为“回归问题”和“分类问题”，前面我们已经认识了什么是“回归问题”，从本节开始我们将讲解“分类问题”的相关算法。在介绍具体的算法前，我们先聊聊到底什么是分类问题。 什么是分类问题？ 其实想要理解“分类”问题非常的简单，我们不妨拿最简单的“垃圾分类处理”的过程来认识一下这个词。现在考虑以下场景： 小明拎着两个垃圾袋出门倒垃圾，等走到垃圾回收站的时候，小明发现摆放着两个垃圾桶，上面

主要内容：普里姆算法的具体实现了解了什么是 最小生成树后，本节为您讲解如何用普里姆（prim）算法查找连通网（带权的连通图）中的最小生成树。 普里姆算法查找最小生成树的过程，采用了贪心算法的思想。对于包含 N 个顶点的连通网，普里姆算法每次从连通网中找出一个权值最小的边，这样的操作重复 N-1 次，由 N-1 条权值最小的边组成的生成树就是最小生成树。 那么，如何找出 N-1 条权值最小的边呢？普里姆算法的实现思路是： 将连通

主要内容：桶排序算法的实现思路,桶排序算法的具体实现桶排序（又称箱排序）是一种基于分治思想、效率很高的排序算法，理想情况下对应的时间复杂度为 O(n)。 接下来，我们系统地学习一下桶排序算法。 桶排序算法的实现思路 假设一种场景，对 {5, 2, 1, 4, 3} 进行升序排序，桶排序算法的实现思路是： 准备 5 个桶，从 1~5 对它们进行编号； 将待排序序列的各个元素放置到相同编号的桶中； 从 1 号桶开始，依次获取桶中放置的元素，得到的就是一