《滴滴算法面经》专题

一面: 1. 讲kaggle的金牌比赛，问了参加人数，算kaggle参赛人数前4的比赛 2. 做了两页ppt讲模型融合创新的点，面试官跟着理解梳理了一遍，较为认可 3. 手撕，都撕出来了 4. 问八股，logloss, auc实际意义，树模型全部讲一遍 5. 反问，问业务中看重什么指标和实际意义 出来5分钟后，紧接着二面通知 二面: 1.讲模型，同上 2. 深挖八股，交叉验证的意义，XGBoost

一天之内全部面完，每一轮面试通过后十分钟后就开始下一轮，强度太大了。。 一面 1. 自我介绍 2. 问项目（20min） 3. 八股文：介绍一下c++多态；override关键字；std::move(); 拷贝构造和移动构造；介绍一下智能指针；unique_ptr如何实现独享。 4. 手撕：三数之和（结果不能有重复） 5. 反问 二面 1. 工程技能问题：Cmake中如何引用头文件；git mer

规控算法岗 一面 1、实习的内容介绍 2、代码题 最长递增子序列 3、c++相关: vector删除和清空元素的方法 如何将vector内存空间也清除 emplace 和push 的区别 swap clear erase 区别 智能指针 相互转化的方法 得到源指针的方法 map unordermap 面完直接通知二面 二面 1、介绍项目背景 介绍主要负责工作 2、 lattice里怎么用的 st图

一面： 问项目 算法题连续子序列的和 二面： 问项目 transformer 的位置编码是什么， 作用是什么 算法题数组全排列 算法题二 链表升序排列 题二忘了链表操作 寄了

#24届软开秋招面试经验大赏# 认准拉普拉斯，秋招必上岸 就业咨xun可私。 相必大家都知道了，滴滴的面试是连着面的。但是更离谱的是，我面完了滴滴三轮紧接着又去面了字节二面，差点没去世。 整体难度不是特别大，但是因为是车轮战，因此难度越来越大，下午面字节变成了地狱难度。 面试时间一小时，一面难度三颗星。 另外，一面是个小姐姐。 1 自我介绍 2 实习介绍 3 说说本地生活场景比如打车和电商有啥区别

#24届软开秋招面试经验大赏# 认准拉普拉斯，秋招必上岸 就业咨xun可私。 上回说到，滴滴是车轮战。休息了不到十分钟第二轮就开始了。第二轮是个爱笑小哥，这里不得不说，滴滴面试官感觉都挺开心的，听说还挺养老。 连着两轮的时候还好，不过到后期有点撑不住了。 面试时间五十分钟，难度3.5颗星。0.5给车轮战。 1 自我介绍 2 实习介绍 项目介绍 科研介绍 3 有没有一些运筹优化的了解 4 三方约束的

#24届软开秋招面试经验大赏# 认准拉普拉斯，秋招必上岸 就业咨xun可私。 嗯，来到了第三个车轮战。这个时候我的嗓子已经干了，喝了两口水就继续了。搞笑的是面试官也感觉有气无力。于是我俩就都开始懒惰的聊。。 这个时候我已经有点开始迷糊了。想到一会还要面字节。。。 面了五十分钟，难度四颗星。一颗星给车轮战。 1 自我介绍 2 实习介绍 项目介绍 科研介绍 3 coding 对称二叉树 4 讲一下阿里

#软件开发2024笔面经# 20道选择 2道编程 1.输入p1,p2...pn代表n本书价格。 输入d1,d2...dm代表m张优惠券， di表示第i张优惠券的使用条件是：至少买di本书，并免去其中最便宜的书的价格。 问：仅能使用一张优惠券，买这n本书最少需要多少钱？ 2.给定一个矩阵，每一步只能选择往上下左右4个方向移动一格，矩阵中'#'代表障碍物不能通过。问外卖员从点A到点B取外卖，再送到点C

桃子装箱（AC） 老张美术课（超时只能过64%） #滴滴##秋招##算法工程师##笔试##滴滴23秋招笔试有点儿难啊#

HR 小姐姐主要问 1.啥时候到岗 2.实习多久 3.是否有别家的offer 和面试流程 说是一周内发offer 邮件。 #晒一晒我的offer# #计算机视觉岗# #暑期offer# #算法# #滴滴#

听说写点面经能攒人品，赶紧来一波。 滴滴两次技术面，没有hr面。 第一次技术面问了transformer和bert的基础知识。 先是问了知道transformer的架构如何设计的么？我答理解的。遂让我介绍下transformer的block的结构，我巴拉巴拉，然后继续问编码器和解码器的细节，编码器的position是用的什么函数，解码器和编码器的不同之处，解码器mask是怎么设计的。有的我答出来了

8.17，在没有任何调研以及准备的情况下，斗着大胆投了滴滴的规划与控制算法岗位，BASE杭州； 8.25，收到滴滴的面试邀请，面试时间在第二天里面选，这时我才知道滴滴的三轮面试是在当天全部完成的，遂赶紧百度查了查滴滴的面试内容，又问了在滴滴实习的同学，发现面试时必会手撕代码，此时leecode刷题数 == 0 ，遂毫不犹豫地把面试推了； 8.25-9.01，leecode上跟着代码随想录刷了几个题

一面 1.自我介绍 2.介绍卷积 激活 池化 全连接层含义 3.什么情况下可以不使用池化层 4.项目中使用了什么数据增强技术 5.阐述SVM原理 6.解决过拟合的方法 7.决策树怎么划分特征 8.随机森林有两种随机方式 怎么体现 9.线性模型和非线性模型的优缺点 10.样本数量小且特征数量多时 使用线性还是非线性模型 11.离散特征的处理方式 12.会不会用Linux 13.会不会TensorFl

自我介绍。 研究方向详细介绍。 使用的强化学习算法框架，网络结构，loss。 模型参数量是多少？ 怎么部署？ 交通流参数识别。 模仿学习了解吗？ 手写CUDA算子感兴趣的部分。 换道，跟驰实现的逻辑。 长路径路由怎么实现的？ 给出具体实现的逻辑。（这里能答，但是当时有点紧张，就说了宽泛的概念。） GPU的结构了解吗？thread等概念。 贝尔曼方程的概念。 强化学习模型遇到没访问过的状态怎么办？

妈呀有点太菜了，但是还是Mark一下勇敢踏出算法工程师第一步 base在北京 面试官好像是一名工作时长10来年的程序员 人特别好谢谢你~ 了解到该岗的主要业务是：网约车供需预测+因果推断两大块 供需预测其实通常使用深度学习结合时序，预测的量有：某时某地的订单量+成交率/成交金额... 供需调度的最基本思想就是“缺什么补什么”，比如早高峰的时候，用车不足，那么其实滴滴平台会给司机奖励机制（发钱），鼓