《滴滴算法面经》专题

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#

一面等了半个小时改时间了 一面 问经历相关的图神经网络的一些知识 怎么把图算法用到业务中（聊得挺开心的 八股内容： gbdt和lightgbm，xgboost的区别 梯度爆炸、梯度消失怎么办 算法题 数组连续最大和 通知一面结束完10分钟进行二面，结果等了一个多小时 hr跟我道歉说让我一天都在等，我寻思原来不是大家都这样啊 二面 优化的方法 激活函数 调参的方法 学校有什么机器学习课程 linux

面试官迟到半个多小时，上来先3个智力题： 1. abcd四个人过桥时间分别为10，5，2，1分钟，但是桥最多同时两个人通过。他们在晚上过河，必须照明，但只有1把火把，问什么方案过河时间最短？ 先答了简单方案19分钟，让优化，想了半天说17分钟以及方案，让给出思考的思路过程，给出思路后反问，然后解释。 2. 口袋里有n种球，每种球数量无限，每次随机取出1个球，问n种球全部取出的所用次数的期望？ 这个

【一面】 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，

面试岗位：算法工程师 面试时间：23/08/28 注：滴滴的面试流程比较独特，一天之内完成三轮技术面，没有hr面，每轮技术面的面试官基本不是同一组的人，谁有空谁来面，还挺神奇； 一面面试内容： 自我介绍 代表性实习经历介绍 机器学习八股有监督 vs 无监督过拟合L1、L2范数，Ln范数回归模型损失函数MSE、MAE、MAPE的公式分类模型评价指标：AUC计算公式、ROC曲线横纵坐标、如何绘制 深度

一面根据简历项目 开始深挖简历 中间询问是否了数学优化的经历 然后手撕代码（未出现的最小整数） 最后介绍业务，团队，还有hc的具体情况。 整体面试官谦虚，循循诱导。

10.27号面的，连着面三轮，每轮40分钟，有点不适应，一开始我还以为一个小时。是没有特定的部门，统一面试。 一面，二面都是拷打简历+八股文。简历挑一个实习讲讲，八股文就是常见的传统机器学习+深度学习+简历上内容。什么XGBoost，batch noralization，激活函数。 感觉认真背背都不太难。面试官也都看起来比较友善，体验还行。 三面略崩溃，问我有什么开源项目经验(无，难道有10%的人

手撕最大回文子串 深挖3个项目 问题与解决思路。 反问

一开始就是面试官先介绍了一下部门情况，然后让我自我介绍，简单问了问简历的东西，然后开始算法题。 两道算法题都是动态规划的，一个是机器人从棋盘左上角走到右下角的路径数量，一个是找出第n个丑数。 然后就开始针对简历的东西问八股，这里说几个我记得的： 1.简单说一下transformer（但是我简历里没写transformer，不过也问了，很详细 2.Transformer里面q k v的计算，里面的偏

1. 自我介绍 2. 论文对比的模型及其实验设计，聊了一些项目中涉及到的知识点 3. 说下LR和XGBoost在应用上的区别 4. 说说Word2Vec中的负采样过程 5. Word2Vec和Item2Vec最大的区别在哪，在优化目标的过程中有无明显区别 6. 如何在Word2Vec中解决一词多义问题 7. 介绍下Bagging和Boosting的区别 8. 说一下XGBoost如何构建决策树，详

滴滴其实没有专门的slam岗，因此我投的是算法工程师-自动驾驶大类，但是8月份面完如今依然在泡池子 滴滴面试可以提前留够时间，是一面完过直接约二面的，可以一天直接面完 一面 1、五分钟自我介绍 2、简历上项目深挖 3、手撕代码，指定使用迭代法中序遍历二叉树，不能使用递归 4、反问环节 二面 跟一面的流程几乎相同，面手撕试官出的题目是删除链表中倒数第n个节点，力扣原题 三面 三面没有手撕环节，全程介

知道自己凉透了，但是还是写写面经积累人品吧！ 开始第一步：刷一道算法题 问项目实习： 1、样本不平衡问题怎么处理的，有什么方法？ 2、快速排序时间复杂度？稳定性怎么样？为什么是不稳定的 3、各种评估指标？ 4、xgboost算法介绍？ 5、评分卡建模全流程？ 其他的回忆不起来了，但是时间这么短肯定寄了，大家好好准备

一面15:00-16:00 简历面+ 反转链表➕简单dp 二面16:30-17:20 简历➕机器学习八股 三面 17:50-18:45 简历➕八股➕一道智力题➕一道场景题 有没有友友知道啥时候出结果，怎么看过没过呀#我的实习上岸简历长这样##晒一晒我的offer##写简历别走弯路##我的上岸简历长这样#

聊项目 PLE里的CGC multihead target attention和din attention 手撕 无重复最长字串 面试官说主要做两个方向，一个是出行组合探索，目前还没上深度，没放量；还有方向就是发券 有点小纠结，不知道去不去 #找实习多的是你不知道的事# #24秋招求职节奏总结# #实习与准备秋招该如何平衡# #正在实习的碎碎念# #实习，投递多份简历没人回复怎么办#

呜呜呜让我过吧让我过吧 听说写面经可以攒好运哈哈哈哈 一面 5.30 1.项目深挖：会问你细节以及为什么这么做 2.机器学习基础：主要是根据我的项目延申到这个知识点的 1）bagging和boosting区别以及介绍，使用场景 2）XGboost GBDT lightBGM的区别，lightBGM的优势？ 3.场景题（具体问了啥有点忘了，但是这个面试官的风格就是喜欢根据你说的内容去延申问你相关知识