Github熱門:國(guó)內(nèi)互聯(lián)網(wǎng)名企AI算法工程師筆試面經(jīng)總結(jié)

國(guó)慶第六天，也不忘記要充電。GitHub上有位id為imhuay的熱心人建立了一個(gè)關(guān)于國(guó)內(nèi)知名互聯(lián)網(wǎng)企業(yè)筆試和面試經(jīng)驗(yàn)的資源庫(kù)，詳盡地總結(jié)百度騰訊頭條小米滴滴等名企網(wǎng)招、校招筆試面試時(shí)的內(nèi)容和套路，非常值得參考，而且是純中文的哦！

國(guó)慶長(zhǎng)假就要結(jié)束了，假期歇得怎么樣，是不是有點(diǎn)歇懶了呢？上班在即，要不要提前充充電？

近日，ICLR2019論文投稿列表公布，一篇BigGAN論文引發(fā)業(yè)界熱議。

兩相結(jié)合說明了什么？不怕別人比你優(yōu)秀，怕的是比你優(yōu)秀的人比你還勤奮！

勞逸結(jié)合十分重要，但相信也有不少人都準(zhǔn)備提前充電吧。

最近，在GitHub上有位id為imhuay的熱心人帶頭建立了一個(gè)關(guān)于國(guó)內(nèi)知名互聯(lián)網(wǎng)企業(yè)筆試和面試經(jīng)驗(yàn)的資源庫(kù)，光從名稱上就能看出其內(nèi)容有多豐富：《2018/2019/校招/春招/秋招/算法/機(jī)器學(xué)習(xí)(MachineLearning)/深度學(xué)習(xí)(Deep Learning)/自然語言處理(NLP)/C/C++/Python/面試筆記》。

其中除了初步梳理和介紹的機(jī)器學(xué)習(xí)領(lǐng)域重要的基礎(chǔ)知識(shí)和脈絡(luò)結(jié)構(gòu)之外，還總結(jié)了一些國(guó)內(nèi)互聯(lián)網(wǎng)名企網(wǎng)招、校招筆試面試時(shí)的內(nèi)容和套路，非常值得立志進(jìn)入這些企業(yè)的小伙伴們參考，而且是純中文的哦！

目前，該資源庫(kù)在Github上已經(jīng)獲得4200多星，可以說是很火熱了。

Github資源庫(kù)地址：

https://github.com/imhuay/Algorithm_Interview_Notes-Chinese

這個(gè)庫(kù)有三個(gè)貢獻(xiàn)者，多虧他們，才能集聚如此豐富的題庫(kù)。在此，首先向這三位開發(fā)者致謝。

下面我們一起來看看，這個(gè)資源庫(kù)收集了哪些寶貴資源。

主頁(yè)面很簡(jiǎn)潔，就是一份按內(nèi)容劃分的主目錄。除了最后一項(xiàng)“筆試面經(jīng)”之外，其他的目錄標(biāo)題都是和計(jì)算機(jī)相關(guān)的熱門主題詞。里面是相關(guān)主題詞下的一些知識(shí)介紹和技術(shù)資料，同樣值得參考。

計(jì)算機(jī)相關(guān)熱門話題知識(shí)介紹和總結(jié)

比如“機(jī)器學(xué)習(xí)”這個(gè)條目，點(diǎn)擊進(jìn)去可以看到一些子目錄，包括“機(jī)器學(xué)習(xí)基礎(chǔ)”、“機(jī)器學(xué)習(xí)算法”、“機(jī)器學(xué)習(xí)實(shí)踐”、“集成學(xué)習(xí)”。

繼續(xù)點(diǎn)擊可以看到相關(guān)主題下的資料，比如下面就是“機(jī)器學(xué)習(xí)基礎(chǔ)”子目錄下關(guān)于“生成模型與判別模型”的介紹。

其他目錄結(jié)構(gòu)與此類似，比如下圖是“機(jī)器學(xué)習(xí)算法”子目錄下對(duì)支持向量機(jī)（SVM）的介紹。

再來看看同樣熱門的“自然語言處理”，子目錄分別為：自然語言處理基礎(chǔ)、詞向量、句向量。

里面內(nèi)容同樣相當(dāng)豐富，以“自然語言處理基礎(chǔ)”為例，下圖分別為Seq2Seq模型和語言模型的介紹。

除了知識(shí)總結(jié)與資料介紹，相信小伙伴們最關(guān)心的還是國(guó)內(nèi)互聯(lián)網(wǎng)名企的筆試面經(jīng)了。

百度、騰訊、頭條等名企筆試面經(jīng)：一面二面三面

點(diǎn)擊主目錄下的“筆試面經(jīng)”，百度、騰訊、360、字節(jié)跳動(dòng)等互聯(lián)網(wǎng)名企赫然在列，我們來看看這些大牛企業(yè)筆試面試都考點(diǎn)啥。

先看騰訊的筆試，更新時(shí)間為9月16日，主目錄中給出了3道筆試題，分別是字符串系數(shù)、小Q與牛牛的游戲、三元組。

每道題的下方都給出了相應(yīng)的代碼和解法，涉及Python和C++語言。下圖為第二題的解法代碼。

再來看看百度的筆試，更新時(shí)間為9月14日。呈現(xiàn)形式基本一致，收錄兩道筆試題，字符串計(jì)數(shù)、尋尋覓覓。

主目錄下還有不少企業(yè)的筆試題收錄，感興趣的小伙伴可以自行食用。

https://github.com/imhuay/Algorithm_Interview_Notes-Chinese/tree/master/D-%E7%AC%94%E8%AF%95%E9%9D%A2%E7%BB%8F

互聯(lián)網(wǎng)名企筆試面經(jīng)：面試部分

接下來看面試，這里給出了一位小伙伴面試字節(jié)跳動(dòng)深度學(xué)習(xí)/NLP方向職位的面試流程，一共四面，全程第一視角，生動(dòng)形象，簡(jiǎn)直有身臨其境之感！其中還不時(shí)穿插面試人自己的內(nèi)心OS（“不會(huì)、瞎說的、尬聊”什么的，小編也是服氣），可以說是很耿直了！

不過面試時(shí)這再正常不過了，不信你去試試，畢竟你跺你也麻！

來看看這位老兄的面試經(jīng)歷吧！不容易啊！

一面：

自我介紹，聊項(xiàng)目，深度學(xué)習(xí)基本問題

【算法】手寫 K-Means?？目慕O絆算是寫出來一個(gè)框架，內(nèi)部細(xì)節(jié)全是問題，面試官比較寬容，勉強(qiáng)算過了

二面：

自我介紹，聊項(xiàng)目，深度學(xué)習(xí)基本問題

【算法】找數(shù)組中前 k 大的數(shù)字。我說了兩個(gè)思路：最小堆和快排中的 partition 方法；讓我選一個(gè)實(shí)現(xiàn)，我選的堆方法，然后又讓我實(shí)現(xiàn)調(diào)整堆的方法。

三面：

自我介紹。為什么會(huì)出現(xiàn)梯度消失和梯度爆炸。

分別說了下前饋網(wǎng)絡(luò)和 RNN 出現(xiàn)梯度消失的情況，有哪些解決方法。

因?yàn)樘岬搅藲埐詈烷T機(jī)制，所以又問，分別說下它們?yōu)槭裁茨芫徑馓荻认?/p>

因?yàn)檎f殘差的時(shí)候提到了 ResNet，讓我介紹下 ResNet（沒用過，隨便說了幾句）

其他加速網(wǎng)絡(luò)收斂的方法（除了殘差和門機(jī)制）

我從優(yōu)化方法的角度說了一點(diǎn)（SGB 的改進(jìn)：動(dòng)量方法、Adam）

提示我 BN，然后我就把 BN 的做法說了一下

然后問 BN 為什么能加速網(wǎng)絡(luò)的收斂（從數(shù)據(jù)分布的角度隨便說了幾句）

傳統(tǒng)的機(jī)器學(xué)習(xí)方法（簡(jiǎn)歷上寫用過 GBDT），簡(jiǎn)單介紹下 XGBoost

CART 樹怎么選擇切分點(diǎn)（基尼系數(shù)）

基尼系數(shù)的動(dòng)機(jī)、原理（不會(huì)）

【算法】直方圖蓄水問題，LeetCode 42. 接雨水；

當(dāng)時(shí)太緊張沒想出 O(N) 解法，面試一結(jié)束就想出來了，哎~

附 AC 代碼

class Solution {

public:

int trap(vector& H) {

int n = H.size();

vector dp_fw(H);

vector dp_bw(H);

for(int i=1; i

dp_fw[i] = max(dp_fw[i-1], dp_fw[i]);

for(int i=n-2; i>=0; i--) // 記錄每個(gè)位置右邊的最高點(diǎn)

dp_bw[i] = max(dp_bw[i+1], dp_bw[i]);

int ret = 0;

for (int i=1; i

ret += min(dp_fw[i], dp_bw[i]) - H[i];

return ret;

}

};

四面（非加面）

因?yàn)榱鞒坛隽藛栴}，其實(shí)還是三面

【算法】和為 K 的連續(xù)子數(shù)組，返回首尾位置

LeetCode 560. 和為K的子數(shù)組

很熟悉的題，但就是沒想出來；然后面試官降低了難度，數(shù)組改成有序且為正整數(shù)，用雙指針勉強(qiáng)寫了出來；但是邊界判斷有問題，被指了出來；然后又問無序的情況或者有負(fù)數(shù)的情況能不能也用雙指針做，尬聊了幾分鐘，沒說出個(gè)所以然。

如何無監(jiān)督的學(xué)習(xí)句子表示

我說 Self-Attention，讓我把公式寫出來，因?yàn)閷懙牟磺宄屛覍懺嫉?Attention

然后問怎么訓(xùn)練，損失函數(shù)是什么（沒說出來，除了詞向量我基本沒碰過無監(jiān)督任務(wù)，而且我認(rèn)為詞向量也算不上無監(jiān)督...）

如何無監(jiān)督的學(xué)習(xí)一個(gè)短視頻的特征表示

抽取關(guān)鍵幀，然后通過 ResNet 等模型對(duì)每一幀轉(zhuǎn)化為特征表示，然后對(duì)各幀的特征向量做拼接或者直接保存為二維特征（瞎說的，別說視頻，我連圖像都沒做過）

再來看一個(gè)今日頭條算法工程實(shí)習(xí)生崗位的面試：

一面：

自我介紹；二分查找；

Algorithm_for_Interview/常用子函數(shù)/二分查找模板.hpp

判斷鏈表是否有環(huán)；

Algorithm_for_Interview/鏈表/鏈表中環(huán)的入口結(jié)點(diǎn).hpp

將數(shù)組元素劃分成兩部分，使兩部分和的差最小，數(shù)組順序可變；

Algorithm_for_Interview/查找與排序/暴力搜索_劃分?jǐn)?shù)組使和之差最小.hpp

智力題，在一個(gè)圓環(huán)上隨機(jī)添加3個(gè)點(diǎn)，三個(gè)點(diǎn)組成一個(gè)銳角三角形的概率；

../數(shù)學(xué)問題/#1

推導(dǎo)邏輯斯蒂回歸、線性支持向量機(jī)算法；

../機(jī)器學(xué)習(xí)/邏輯斯蒂回歸推導(dǎo)

../機(jī)器學(xué)習(xí)/線性支持向量機(jī)推導(dǎo)

二面：

在一個(gè)圓環(huán)上隨機(jī)添加3點(diǎn)，三個(gè)點(diǎn)組成一個(gè)銳角三角形的概率，用積分計(jì)算上述概率。用程序解決上述問題。

多次采樣求概率，關(guān)鍵是如何判斷采樣的三個(gè)點(diǎn)能否構(gòu)成銳角三角形，不同的抽象會(huì)帶來不同的復(fù)雜度。

最直接的想法是，根據(jù)邊長(zhǎng)關(guān)系，此時(shí)需要采樣三個(gè) x 坐標(biāo)值，相應(yīng)的 y 坐標(biāo)通過計(jì)算得出，然后計(jì)算三邊長(zhǎng)度，再判斷，循環(huán)以上過程，計(jì)算形成銳角的比例。

更簡(jiǎn)單的，根據(jù) ../數(shù)學(xué)/#1 中提到的簡(jiǎn)單思路，原問題可以等價(jià)于“拋兩次硬幣，求兩次均為正面的概率”——此時(shí)，只需要采樣兩個(gè)(0, 1)之間的值，當(dāng)兩個(gè)值都小于 0.5 意味著能構(gòu)成銳角三角形。

深度學(xué)習(xí)，推導(dǎo)反向傳播算法，知道什么激活函數(shù)，不用激活函數(shù)會(huì)怎么樣，ROC與precesion/recall評(píng)估模型的手段有何區(qū)別，什么情況下應(yīng)該用哪一種？深度學(xué)習(xí)如何參數(shù)初始化？

介紹kaggle項(xiàng)目，titanic，用到了哪些框架，用到了哪些算法；

三面：

自我介紹。分層遍歷二叉樹，相鄰層的遍歷方向相反，如第一層從左到右遍歷，下一層從右向左遍歷；

介紹AdaBoost算法。介紹梯度下降，隨機(jī)梯度下降。寫出邏輯斯蒂回歸的損失函數(shù)。C++，虛函數(shù)，虛析構(gòu)函數(shù)。

先說到這里，Github庫(kù)中還有更多資料，只待你去探索。當(dāng)然，也歡迎你把自己的面試經(jīng)驗(yàn)簡(jiǎn)單總結(jié)，留給后來的小伙伴們參考哦~