《快手算法工程师面经》专题

一开始面试官先自我介绍了一波，说了一下面试流程，接着就开始啦，面试官人很不错！ 1.自我介绍 2.项目（主要是问一些算法的对比，改进，遇到的难点怎么解决，模型的推导如何推的都问了😂，问的非常细节）问了将近45分钟 3手撕零点题，然后我在main函数里面写的，面试官要求封装，之后又问为什么用二分法有没有其他方法做呢，二分法要求函数具备什么特性 4反问一波 面了一个小时多一点。

这个面的有点突如其来，我下午好端端坐着突然接到了一个江苏的电话，说是中兴的，要聊一下，接到电话我是懵b的状态的，是后来他说我才知道这算是一轮面试的，全程20分钟 1.先说了我的名字，然后说要聊一聊 2.问我研究方向，我说了一下我的方向，大概讲了一下应用 3.问我想去哪个城市，我说南京，他说为什么不去别的，我又说都行，主要遵从团队分配 4.问我职业规划，我说想做算法相关的，大模型和传统机器学习都行

岗位：深度学习算法工程师 笔试：9月14日 一面(9月20日) 自我介绍 做什么方向 on-policy和off-policy DQN和PPO 为什么要提出PPO算法 论文为什么用强化学习 手撕代码：超简单，排序解决 反问 组内业务：vivo互联网，主要是应用商店等的推荐 HR面(9月23日) 自我介绍 优缺点 选一面答得不好的问题，重新回答 最大的挑战 最大的成果 实习最大的贡献 倾向城市 家庭

#24届软开秋招面试经验大赏# 投递岗位：算法工程师（应该是这个，具体名字忘了） 先是有个笔试，笔试全是选择题，考察的知识点有雷达、数字信号处理、机器学习、傅里叶变换等。好多都不会做，瞎选的。 面试时间：7.7 面试流程 15min 电话面试 电话面试真的很猝不及防，一点准备都没有 1、自我介绍 2、研究生期间做过哪些项目？遇到了什么问题？是怎么解决的？ 3、用什么语言多一些？会用python吗？

一面感觉答得一般，没想到还给了二面 8.7号二面 首先面试官先介绍自己部门，然后自我介绍 面试官问如果满分十分，给自己C++水平打几分，扣的分在哪里 问C++虚函数相关 问GPU和CPU的区别，为什么GPU更快，GPU的线程和CPU的线程有什么不同 代码: 自己实现排序算法，不能修改原数组 我直接拷贝了一个数组，然后在新数组上进行原地快排。然后问快排的时间和空间复杂度。问怎么优化才能让快排的最差空

其实这个面试已经是二月份时候的事了，当时是春节期间投递的，快要秋招了，把手上的面经发一发，也希望大家点个关注 1 自我介绍 2 介绍科研： 你觉得point wise和list wise的区别是什么 为什么选这个模型做backbone 因果机器学习目前怎么做的 3 介绍实习： 为什么要多路召回 为什么要协同过滤，u2i和i2i的区别 为什么要在召回后过滤，有其他策略吗 双塔召回怎么做的 介绍一下l

来还愿了，希望友友都能拿到自己想要的offer 一面 1.自我介绍 2.代码：top K 3.代码：给一个链表，只反转从left到right内的元素，其余不变 4.问实习项目，没有挖的很深。 5.讲一讲序列建模的模型 6.为什么self-attention可以堆叠多层，有什么作用 7.多头有什么作用？如果想让不同头之间有交互，可以怎么做 8.讲一讲多目标优化，MMoE怎么设计？如果权重为1,0,0

7.12 笔试 7.22 一面 自我介绍 项目1介绍 目标检测backbone有哪些 项目2介绍 ViT有了解吗 CornerNet是怎么做的 解决过拟合的方法 代码：求均方根 7.27 HR面 谷歌情感机器人问题 对人工智能的看法 工作岗位的看法 面试情况 工作地点的选择 项目负责的工作 凉~ #乐鑫#

上周五面的快star，面起来感觉很神奇 八股&&项目 自我介绍 了解c++吗，c++和c的new malloc delete free之间有什么区别 new是如何给内存进行分配的 这两个能混用吗？ 计算机里内存是如何排布的 什么是锁页内存 什么时候调用堆资源，什么时候调用栈资源 内存里哪里是禁止访问的 为什么需要做多级内存管理 智能指针都有什么 weak ptr有什么应用场景 weak ptr内部

一面（8.30）： 1、自我介绍，问简历中论文和项目（问的比较浅） 2、第一道算法题：数组中找第K大（花了一些时间调出来了） 3、第二道算法题：面试官自己出的，要求输入整数n，返回长度为n、仅有元音（a,e,i,o,u）组成的字符串数量，比如n=2则返回15，因为['aa','ae','ai','ao','au','ee','ei','eo','eu','ii','io','iu','oo','o

时间：晚上10：16左右，20分钟左右 面试官男，非常疲惫，每次我回答完问题都沉默了很久，声音也很疲惫。 1、问学校，学位证，毕业证 2、项目经理（sd、lora、fine-tune过程） 3、L2正则化解释一下 4、用过BN（batch normalization）吗？ （答了梯度消失的时候的最佳解决方案，顺便扯了梯度消失的时候换激活函数，实际上还有梯度爆炸也可以用） 5、用过Dropout吗？

一面一上来先做了道栈的原创题，之后就是问项目，主要是数据部分。 第二天约的二面，二面是纯聊项目，压力非常大，堪比商汤的三面。对方应该是一个领导过一个大型基座模型分布式训练项目的leader。 从一个垂域大模型从零开始的数据收集，清洗，评估，增强， 到模型的训练，评测，微调策略，scalinglaw实验， 到分布式训练，4D并行，节点通信，坏点检测， 再到算法上的decoder only，atten

申请的元戎启行规划算法工程师提前批，周一晚上六点打电话约面试，因为面试官是在海外，所以要早上面试，于是我约定到周四早上八点 首先是自我介绍 然后他会问你简历中所写的项目的细节 之后就是coding 在矩阵中寻找递增的最长路径，dfs可解，当然我没写出来，写的有bug 总体面试体验良好，因为面试官本身就是规划算法组的技术人员，所以聊的都是干货，没有那些虚的，只要你简历写得都是真的，能说明白细节就行

一面40min，base西安 面试官人挺好的，体验也很好，但我太菜了，尤其是数学，凉凉 概率论和代数相关的（最开始忘录了，大概是这类题） 机器学习中做回归和分类能用到哪些损失函数？ 最小二乘法MSE能不能用到分类问题上？ （这里我回答是分类问题预测标签是离散的，使用MSE计算梯度回传的函数不可导。面试官说主要是因为通过softmax函数后，使用MSE计算会梯度消失。这两个解释有区别吗？） 计算协方

9.7晚上六点通知9.8晚上七点面试，半小时。9.9早上通知挂。 面试的时候只有你开摄像头面试官不开，面到后面还有别人说话的声音，面试官中间闭麦几次。（复盘是KPI面，只根据自我介绍来问连我简历都没看，把我项目里的内容都搞混了） 1.上来先自我介绍，然后根据自我介绍问项目的内容。没有涉及到C++和手撕代码。大家好好准备自我介绍，面试官一般根据这个来问。 2.主要问项目里面具体的技术实现手段包括原理