├── README.md
├── 互联网
├── 暑期实习
│ ├── 360-lk
│ ├── baidu_hzq.md
│ ├── bytedance凉经-wn.md
│ ├── face++-lk
│ ├── freewheel凉经-wn.md
│ ├── hulu-wn.md
│ ├── iqiyi-wn.md
│ ├── lat.md
│ ├── tencent_hzq.md
│ ├── 京东-dn.md
│ ├── 头条-chenjiayu
│ ├── 头条-dn.md
│ ├── 头条-lxn.md
│ ├── 头条_ll.md
│ ├── 微软-dn.md
│ ├── 微软-lk
│ ├── 微软-sjq.md
│ ├── 微软-why.md
│ ├── 微软面经-dy.md
│ ├── 快手-lk
│ ├── 滴滴数据分析凉经-wn.md
│ ├── 腾讯-lk
│ ├── 苹果-dn.md
│ ├── 阿里小蜜-sjq.md
│ └── 阿里小蜜-why.md
└── 秋招
│ └── tecent_feifei
├── 国企银行
└── README.md
└── 暑期实习
├── 2018暑期实习面经.pdf
├── 360_hml.pdf
├── ali.pdf
├── tencent_hml_数据平台部.pdf
├── 【秋招】今日头条_hml.pdf
├── 【秋招】新浪微博_hml.pdf
├── 头条-GGY.pdf
├── 头条_MQ.pdf
├── 美团&阿里&腾讯.pdf
├── 美团_DUDU.pdf
├── 腾讯&美团&阿里-GGY.pdf
└── 腾讯阿里面试_yh.pdf
/README.md:
--------------------------------------------------------------------------------
1 | # 面经
2 |
3 | thanks to [stdiohero](https://github.com/stdiohero), [Like666](https://github.com/Like666), [luffywalf](https://github.com/luffywalf), [mengxinqi](https://github.com/mengxinqi), [dy425581723](https://github.com/dy425581723), [Sileven](https://github.com/Sileven), [TobiasLee](https://github.com/TobiasLee), [Moymix](https://github.com/Moymix)
4 |
5 |
--------------------------------------------------------------------------------
/互联网/暑期实习/360-lk:
--------------------------------------------------------------------------------
1 | 一面：
2 | 面试官：介绍一下简历中的项目，
3 | 我：简单挑了两个介绍，面试官主要是做搜索的，对我的项目不是很了解，也没细问。
4 | 面试官：问了一下了解哪些有监督的机器学习算法
5 | 我：LR、SVM、K近邻、HMM、CRF
6 | 面试官：你用过决策树么？
7 | 我：了解过原理，但是实际项目中没用到过
8 | 面试官：你知道过拟合的原因是什么？ 解决过拟合的手段
9 | 我：吧啦吧啦啦，反正答出来了
10 | 面试官：考你一道智力题：有8个药品，其中有1个是毒药，现在你有3只老鼠，一只老鼠可以同时吃多种药物，药物服用后一天才能看出效果（死亡/存活），
11 | 最少几天可以确定哪个是毒药？
12 | 我：想了一会，给出一种2天的解法
13 | 面试官：其实一天就可以了，不过你的整体思路是对的。
14 |
15 | 二面：
16 | 面试官：介绍一下简历中的人机对话的项目
17 | 我：大概介绍一下，不过感觉他也不是很感兴趣
18 | 面试官：给你一堆短文本，你怎么分类？
19 | 我：如果是无标注的话，抽取文本长度、文本阅读量、文本受众人群等等特征，用k-means； 如果有标注的话，用逻辑回归（最后一层用softmax多分类）。
20 | 面试官：给你2亿条ip地址，内存2G（反正就是内存不够），你怎么取出出现频率高的top-5的ip
21 | 我：将每个ip映射到一个文件里，这样读取所有ip地址后我会得到一堆的文件，每个文件的行数就代表着当前ip出现的次数，然后用堆排序得到top-5.
22 | （感觉答的面试官不是很满意）。
23 | 面试官：你平时主要用的语言是啥？
24 | 我：主要用python，但是之前也写过一些c++，现在不太熟悉了。
25 | 面试官：你手写一个二分查找吧
26 | 我：吧啦吧啦啦，反正很快写完了。
27 | 面试官：你等我叫一下hr哈，等了10分钟吧，他回来说hr下午正好去开会了，说之后联系我。
28 |
29 |
30 |
--------------------------------------------------------------------------------
/互联网/暑期实习/baidu_hzq.md:
--------------------------------------------------------------------------------
1 | 一面：
2 | 1. 自我介绍
3 | 2. 介绍项目，会追问描述不清楚的地方
4 | 3. 算法题：1）已知两个有序数组，将其合并：3）有多个有序数组，将其合并
5 | 4. 介绍近期比较火的模型，回答了ELMO（由于面试官对nlp不是很了解，就没怎么细问）
6 |
7 | 二面：
8 | 1. 自我介绍+项目介绍
9 | 2. 算法题：中文分词的最大正向匹配
10 | 3. SVM和核函数
11 | 4. 列举loss函数及其优缺点
12 |
13 | 三面：
14 | 1. 自我介绍
15 | 2. 优缺点
16 | 3. 对996的看法
17 | 4. 有无人生规划
18 |
--------------------------------------------------------------------------------
/互联网/暑期实习/bytedance凉经-wn.md:
--------------------------------------------------------------------------------
1 | ## 1 面试岗位：懂车帝app数据挖掘（也算算法岗）
2 |
3 | ## 2 面试内容
4 |
5 | ### 2.1 一面
6 |
7 | 面试官：一个略青涩的小哥
8 |
9 | 让自我介绍，问了以下跟项目经历有关的问题：
10 | - 机器学习里的多分类具体是哪些类别、特征是哪些特征
11 | - transR
12 | - rnn, lstm，gru 原理
13 |
14 | 手写算法题：
15 | - 堆排序
16 | - 括号匹配
17 |
18 |
19 | tf-idf: 记不住公式了，讲了一下原理，面试官表示ok
20 |
21 | ### 2.2 二面
22 |
23 | 面试官：一个表达能力很差的中年人
24 |
25 | 首先让自我介绍
26 |
27 | 然后让介绍比较了解的实验室项目，我说了机器学习的那个；
28 |
29 | 问：一些一面面试官问到过的项目细节，以及随机森林具体的算法；让把url当成结构化字符串去提取字段，统计词频（隐含意思还要考虑不规范的问题）
30 | 我：url本身就可以不规范而且不规范的很多，这么做是没有意义的（没有直接这么说
31 | 面试官：我不管我就让你写（反复表达
32 | 我：于是写了
33 |
34 | 然后问到tf-idf原理，我把等待间隙查到的公式写下来了，讲了一下原理；
35 | 面试官表示不满意，让讲一下用这个算法的整个处理流程
36 | 我：这个是大二做过的一个实验了，大概是blabla，具体我不记得了
37 | 问：你刚才提到了爬虫，那你爬虫用到哪些工具库？
38 | 我：当时用到哪些忘记了，不过我最近做实验室项目有用到过 BeautifulSoup
39 | 面试官：（沉吟许久）表示，你会去查一查，这个库不叫这个名字
40 | 我：（因为上周刚写过这个代码，肯定没记错）疑惑--那叫啥？
41 | 面试官：（一副不确定又不承认的样子）反正不叫这个名字
42 |
43 | （后来查了一下确实是beautifulsoup没错，不过import的包叫 bs4,不知道他是不是这个意思）
44 |
45 | 后来零星问了几个问题，比如数据清洗的流程，深度学习训练的参数有哪些，感觉他其实并不想听。
46 |
47 | ## 3 吐槽
48 | 比较神奇的是面试官最后说了一些逻辑难以自洽的话，交流过程略去，仅记录他表达的一些想法：
49 | - 他带的byr intern 都提前跑了，他招byr要谨慎；
50 | - 想让导师签个文件确保intern实习时长；
51 | - 担心我现在入职后8、9月份参加秋招影响工作质量；
52 | - 缺人，有hc；但不想轻易培养人，想找个**完美对口**不需要培养的。
53 |
54 | 我：（槽多无口）行吧。
--------------------------------------------------------------------------------
/互联网/暑期实习/face++-lk:
--------------------------------------------------------------------------------
1 | face++
2 | 面试官：来我们做一道数学题：A是一个n*n的矩阵，它有n个特征 m1、m2。。。mn，且均不为0，如果矩阵B（维度：n*n）满足：BB = A,满足这样条件的矩阵B有多少种？
3 | 我：一脸懵逼，线代本来学的就不好，在那瞎写。
4 | 面试官：给你一个小提示，你觉得矩阵A满足什么性质？
5 | 我：满秩的
6 | 面试官：嗯，然后把满秩矩阵能分解成啥样的写出来，让我继续做
7 | 我：心里是十分拒绝的，开始魔法做题，面试官竟然说这个思路对了。。。后来又给了点提示，最后终于写好了。
8 | 面试官；还行，有的人提示到这都没写出来，咱们写一个算法吧，手写SGD。
9 | 我：心理想着这是什么神仙面试，脸上还是笑着说好，反正不太熟练的也写出来了。
10 | 面试官：你有什么想问我的么？
11 | 我：你们这边是做什么的哇？
12 | 面试官：机器翻译吧啦吧啦，反正我没认真听。那今天面试就到这里了，我先走了。
13 | 我：最后找了一个正式员工带我出去的。。。。
14 |
15 | 第二天中午收到了旷视hr的电话，恭喜我通过面试。一脸懵逼拒了。
16 |
--------------------------------------------------------------------------------
/互联网/暑期实习/freewheel凉经-wn.md:
--------------------------------------------------------------------------------
1 | ## 1 面试岗位：sde
2 |
3 | ## 2 面试内容
4 |
5 | ### 2.1 一面
6 |
7 | - 自我介绍
8 | - 详细介绍了最近做的项目
9 | - 涉及到 tcp/ip的哪几层
10 | - 输入一个字符串判断是否为合法ip地址
11 | - ipv4
12 | - ipv6
13 | - sql join有几种
14 | - sql index
15 | - 要面试的岗位主要用c++/golang，因为我不会所以没问。
16 |
17 | ### 2.2 二面
18 |
19 | - 输入任意二维数组，返回最长递增路径的长度
20 | - 25匹马，5个赛道，求出最快的3匹马，怎么赛
21 | - 大文件每行是一个数，求最大的top n 个数
22 | - shell script: cat file | sort | uniq -c [按照count值排序这里不太会做]
23 | - spark [mapreduce原理]
24 | - 小顶堆
25 | - linux下的一些命令，如查看端口状态，僵尸进程和孤儿进程，如何杀死进程等
26 |
27 | ### 蹭了个饭，走了
28 |
29 | ### 2.3 技术manager电面
30 | 本来应该是当天面聊，但manager出差了改约了电面。
31 | 问了实验室的项目，最近刚做的项目，用到的技术栈，软件开发流程，人员调配等。以及英语能力、综合能力等。
32 | 告知前面面试官告诉我的工作内容变了，因为他们那个岗位已经找到人了，我要做别的岗。我表示ok。
33 | 然后感觉没什么问题了。
34 |
35 | ## 3
36 | 收到hr微信拒信，刚来得及看清楚内容消息就被撤回了；后续没有通知。
--------------------------------------------------------------------------------
/互联网/暑期实习/hulu-wn.md:
--------------------------------------------------------------------------------
1 | ## 一 一面面试内容
2 |
3 | 形式：电话面试
4 |
5 | 面试官首先自我介绍了一下，入职1年多。工作涉及到数据仓库和AI方面。
6 |
7 | 面试流程：
8 | - 时间：1个小时
9 | - 组成：
10 | - 自我介绍5-8分钟
11 | - 编程40-45分钟
12 | - 提问
13 |
14 |
15 | 首先让自我介绍了一下简历上的几个项目，面试官听完表示，你的经历还是跟我们组的业务有一些重合的。好的，我们接下来写代码吧。
16 |
17 | ### 1 排序算法
18 | 问：有哪些时间复杂度为 `nlogn`的排序算法？
19 | 我：快排，堆排。应该还有其他的，但是我只知道这两个。
20 | 面试官：ok，那空间复杂度是多少？
21 | 我：（抓耳挠腮）可以写完代码再说嘛？
22 | 面试官：ok
23 |
24 | 在写快排代码的时候，一边写一边给面试官解释思路。
25 | 问空间复杂度怎么解释？没答上来。
26 | 面试官：ok，时间差不多了，我们做下一个题。
27 |
28 | ### 2 找出正整数数组中，每一个数右边第一个比他大的数，如果没有则填0.
29 | 例子：
30 | ```
31 | input:
32 | [1,3,2,6,7,1,9,5]
33 | return:
34 | [3,6,6,7,9,9,0,0]
35 | ```
36 | 仍然是希望我先讲思路再写代码。
37 |
38 | 我：首先提出brute force的解法，面试官没让写代码，直接问能不能优化；
39 | 我：（抓耳挠腮中）
40 | 我：维护一个栈，遍历这个数组
41 | 面试官：表示认可。讲了一下栈的性质可以用来延迟计算blabla
42 | 我内心os：四国艺！听君一席话胜读十年书！
43 | 然后开始写代码。
44 |
45 | 面试官看了看说：嗯应该没啥问题。我回去再跑一下。
46 |
47 | ### 3 迷宫寻路
48 | 给定二维数组，其中0表示路，1表示墙。让从左上角走到右下角，判断几条可行的路径。
49 |
50 | 我：（试探）用递归
51 | 面试官：你想吧
52 | （过了许久）
53 | 我：……
54 | 面试官：嗯，用递归可能比较难想；你试试动态规划的思路？
55 | 我：最后还是没想出来。
56 |
57 | ### 4 问题
58 | 面试官：ok时间快到了，你有什么问题要问我吗？
59 | 我：可以介绍一下您最近在做的项目吗？
60 | 面试官：介绍了两个。
61 | 我：如果可以进入到接下来的环节，会有几面？
62 | 面试官：至少2轮on-site面，会有现场跑代码的ide。
63 |
64 | 我：没有问题了，谢谢谢谢。
65 |
66 | ## 二 感慨
67 | 面试官超级nice， 我写代码的时候一直在看我写。
68 | 乐于在面试过程中探讨解法，让我受益良多。
69 | 好了，我滚去刷题去了。
--------------------------------------------------------------------------------
/互联网/暑期实习/iqiyi-wn.md:
--------------------------------------------------------------------------------
1 | ### 1 目标岗位：爱奇艺推荐算法
2 |
3 | ### 2 一面
4 |
5 | 面试官：一个挺和蔼的年轻小伙砸。
6 |
7 | 首先让自我介绍，我blabla，分别介绍了简历上写的机器学习、推荐系统和中文分词项目。
8 | 面试官让解释了一下知识图谱的知识表示算法，其他没问什么特别的。
9 |
10 | 问：我看你简历写的熟悉shell命令，你写一下你常用的shell命令。
11 | 我：在纸上写了 wc -l ,sed, awk, sort | uniq -c , find 等。
12 |
13 | 问：了解lightGBM, gbdt, xgboost吗？
14 | 我：大体说了一下。看对方无意让详细介绍就打住了。
15 |
16 | 问：写个快速排序吧。
17 | 我：写完了，一点一点给面试官解释思路。
18 |
19 | 问：会c++/spark scala/ hive sql 吗？
20 | 我：研究生阶段没怎么用过，后者没系统学过，但能看懂代码；
21 | 问：c语言的指针呢？
22 | 我：ditto。
23 | 面试官就没再问。
24 |
25 | 问：1亿个数字，怎么找出最大的10个？
26 | 我：
27 | 1）用spark，介绍一下原理；
28 | 2）维持一个小顶堆，遍历所有数字；
29 | 面试官：ok
30 |
31 | ### 3 二面
32 |
33 | 面试官：一个说话简略，偶尔不太耐烦的中年人。
34 |
35 | 首先让自我介绍。
36 |
37 | 其次问了一下机器学习项目的特征有哪些，多分类具体是哪些类别。
38 |
39 | 问：是否了解推荐算法
40 | 我：有FM, 协同过滤，gbdt等。
41 |
42 | 问：要做一个推荐系统要怎么做（打开手机爱奇艺示意
43 | 我：我没做过推荐系统，不过可以说一下我的理解balbla……
44 | 面试官表示了解了。
45 |
46 | 面试官：你回去可以了解一下blabla推荐算法（此处环境嘈杂，没太听清，就听清了youtube的推荐算法，dnn等……
47 | 又问：你有什么问题吗？
48 | 我：暗自大惊失色，不会这就是劝退了吧？弱弱地问：“我凉了吗？”
49 |
50 | 面试官摇摇头，又问了个啥我忘了。然后说，来写个代码吧。
51 | 问题：一个大文件，每一行是用户看过视频的记录，格式为 “uid \t vid”,让统计出如下格式：
52 |
53 | ```
54 | user_1: vid1, vid2, vid3...
55 | user_2: vid4, vid6, vid8...
56 | ...
57 | ```
58 |
59 | 我：写代码的过程中问，user这一列是排序好的吗，答是的。
60 | 后来写出来了，思路就是maintain 一个 cur_user 记录当前的user， 一个 curlist记录当前user看过的video_id;然后按行读取记录，如果当前user不同于 cur_user就把之前的记录print出来，更新cur_user & curlist.
61 | 因为面试官看起来不太耐烦了所以写完就匆匆给他看了，发现最后的一个user的list忘记输出了。
62 |
63 | 问：还有什么问题要问我吗？
64 | 我：可以简单介绍下您最近在做的一个项目吗？
65 | 面试官：打开手机爱奇艺，展示短视频推荐，表示跟抖音快手差不多，问我用没用过；
66 | 我：我在爱奇艺看《破冰行动》，抖音快手用过不过不经常看，看短视频对学生来说太耗时间了；
67 | 我：接下来还会有面试吗？
68 | 面试官：没有了，回去等消息吧。
69 | 我：谢谢谢谢。
70 |
71 | ### 4 最后的吐槽
72 | 面试官把写代码的白纸收走了，所以我一些细节也记不太清了。
--------------------------------------------------------------------------------
/互联网/暑期实习/lat.md:
--------------------------------------------------------------------------------
1 | [TOC]
2 |
3 | ### 2019年3月16日 19:00-19:30 腾讯 电话面
4 |
5 | 1. 自我介绍
6 |
7 | 2. 介绍对话系统项目
8 |
9 | 3. 详细介绍一个项目：知识库问答，问有没有利用transE等进行研究，介绍了解的相关研究
10 |
11 | 4. 过拟合的解决办法
12 |
13 | 5. 介绍dropout的用法，train和test的时候都是如何起作用的
14 |
15 | 6. 对传统机器学习有没有了解，我说不了解然后就没了
16 |
17 |
18 |
19 | ### 2019/03/27 2:00-4:30 腾讯微信搜索部
20 |
21 | 一面：
22 |
23 | 1. 单链表归并
24 |
25 | 2. 判断两棵普通树的拓扑结构是否一样
26 |
27 | 3. 介绍seq2seq模型，按代码讲
28 |
29 | 4. bp推导
30 |
31 | 二面：
32 |
33 | 1. 前序遍历中序遍历是否能建成树
34 |
35 | 2. n维数组 0–n-1的数字共n-1个，找缺失值
36 |
37 | 3. 讲项目，biLSTM，写LSTM公式
38 |
39 | 4. 讲毕设项目，有没有遇到过拟合的问题，L1为什么会变为0，L2
40 |
41 | 5. attention
42 |
43 | 6. 激活函数，知道哪些，为什么要用ReLU
44 |
45 |
46 |
47 | ### 2019/04/04 10:00-12:30 深度好奇
48 |
49 | 一面：
50 |
51 | 1. 手写tensorflow逻辑回归的代码；
52 | 2. sigmoid公式
53 |
54 | 二面：
55 |
56 | 1. 详细介绍一个项目，问的特别详细；baseline是什么；模型上有哪些创新的地方；稍微介绍了一下前面实体链接的部分，揪着这个问了很多，并不明白为啥要问我这个；知识库中关系一共有多少种；如何用关系映射改善实体链接；为什么不对候选关系去重。。
57 | 6. 算法题：n个ip段，m个ip地址，找到这m个ip地址所在的ip段
58 |
59 |
60 |
61 | ### 2019/04/16 19:00-19:30 平安科技 电话面
62 |
63 | 1. 自我介绍
64 | 2. 介绍自己印象最深的项目：KBQA，数据、模型，bert的网络结构；
65 | 3. LSTM比RNN好在哪
66 | 4. 文本padding后梯度是如何反向传播的
67 | 5. 算法题：leetcode1 two sum
68 | 6. 过拟合的解决办法
69 | 7. 样本不均衡的解决办法
70 | 8. 有一堆新闻，如何根据这些新闻判断对证券的影响
71 |
72 |
73 |
74 | ### 2019/04/21 16:00-17:00 阿里达摩院 电话面
75 |
76 | 1. 自我介绍
77 | 2. 介绍一个项目：又问我 如果让你做实体链接你要怎么做？？？？DSSM了不了解。。。实体消歧，"苹果"要怎么链接到正确的实体上，问的我有点懵逼。。胡说了一通。。
78 | 3. 过拟合解决办法
79 | 4. L1 L2原理
80 | 5. 怎么处理正负样例不平衡的问题
81 | 6. loss不收敛怎么办
82 | 7. 除了梯度下降还知不知道别的优化算法，Adam知不知道原理
83 | 8. 除了BERT，别的预训练模型了不了解，BERT中的masked是什么，跟别的预训练模型的区别
84 |
85 |
86 |
87 |
88 | ### 2019/04/22 9:30-11:20 微软stca
89 |
90 | 一面：20多岁不知是否软萌女面试官
91 |
92 | 1. 算法题：大数相加 leetcode 415
93 |
94 | 2. 算法题：n!
95 |
96 | 3. 介绍项目：
97 |
98 | 我：blabla。。
99 |
100 | 面试官：你这个感觉很简单啊。用预训练模型稍微一调就很好了，你研究的点在哪里呢？
101 |
102 | 我无fuck说。
103 |
104 | 面试官：你平时会看一些最新的论文吗？都看哪些会议的论文？
105 |
106 | 二面：30多岁骨瘦如柴娘炮男面试官
107 |
108 | 1. 介绍项目：
109 |
110 | 我：同上blabla
111 |
112 | 面试官：感觉你这个现在效果已经很好了，后面还有什么研究计划吗
113 |
114 | 我：瞎扯了一些
115 |
116 | 面试官：你觉得这样做会比原来好在哪里呢？（面试官应该是不认同我胡扯的，反复问我你这样做能有什么改进）
117 |
118 | 2. 算法题：n个点，判断是否在两条直线上。他的提示我听不懂，没做出来。。
119 |
120 | 3. 面试官出来就说 给你个建议，要把自己研究的东西了解的更清楚一点。。。gg
121 |
122 |
123 |
124 | ### 2019/04/23 10:40-12:00 网易游戏雷火事业群 视频面
125 |
126 | 一面：10:40-11:20 30多岁成熟女面试官
127 |
128 | 1. 自我介绍
129 |
130 | 2. 每一个项目都让介绍了一遍，但是感觉也并没有问什么细节的东西，我应该是没说好，让面试官觉得没什么可问的。我记得的几个问题：
131 |
132 | 面试官：word2vec是怎么训练的？讲一下层次softmax原理？fasttext和wordvec有什么区别？
133 |
134 | 面试官：在哪些数据集上评测的呢？baseline是什么？(本科论文)
135 |
136 | 面试官：训练的时候是如何控制押韵的？ (歌词生成项目)
137 |
138 | 3. 下面问了一些计算机相关的基础知识：python中的多进程和多线程；子类继承，子类重写了父类中的函数，还能不能调用父类中的同名函数；linux最常用的命令是什么？有没有用过某某某命令（她说的英文我没听清 但是应该是没用过的 她说是设置定时任务的命令）？如果服务器很卡怎么办？你会考虑从哪些方面解决这个问题？数据库了不了解？大型数据库查询很慢怎么解决？用没用过图数据库？机器学习都知道哪些算法？介绍一下kmeans。问的这些我好像就没有一个答上来的。。不出意外又要gg
139 |
140 | 4. 算法题：写一个开根号的函数。一脸懵逼，不知道怎么做，她提示说用二分或者求导？？？提示了也不会，她就说算了。。
141 |
142 | 5. 然后说聊点别的。好像问我实验室老师做什么方向的？
143 |
144 | 二面：20多岁年轻男面试官
145 |
146 | 1. 自我介绍
147 |
148 | 2. 也是每个项目都讲一遍，感觉他也没啥要问的。
149 |
150 | 几个问题：
151 |
152 | 面试官：用的DSTC2中哪些数据？
153 |
154 | 面试官：transformer里encoder每一层传的是什么，encoder到decoder传的是什么？
155 |
156 | 面试官：写一下seq2seq里attention的公式（还没写完视频不知道怎么就断了，然后后面就电话面了）
157 |
158 | 3. python多进程多线程
159 |
160 | 4. 算法题是leetcode括号生成那个题，说一下怎么做。
161 |
162 |
163 |
164 | ### 2019/04/28 15:30-17:00 快手
165 |
166 | 一面：
167 |
168 | 介绍项目(感觉面试官没什么可问的，可能是我到早了，临时拉了别的面试官)
169 |
170 | 二面：一个巨帅的小哥哥
171 |
172 | 介绍项目
173 |
174 | 算法题：1.旋转数组的最小值 2.最长公共子串
175 |
176 | 几个问题：
177 |
178 | 1. fasttext和word2vec的区别
179 | 2. transformer是哪里并行，self-attention和普通attention的区别
180 | 3. 句子相似度的计算，他说用triplet loss效果好
181 |
182 |
183 |
184 | ### 2019/05/05 19:00-19:35 阿里-移动与创新事业群-人工智能实验室-语音对话交互组
185 |
186 | 一面：电话面
187 |
188 | 项目一个一个说
189 |
190 | 几个问题：
191 |
192 | 1. 介绍attention
193 | 2. elmo gpt bert区别
194 | 3. 讲一下fasttext
195 | 4. 人机对话从研究到落地有多大的差距？怎么解决对话中领域切换的问题（比如天猫精灵，用户开始在进行订一机票的任务，任务还没完成就开始聊天气，然后又回到订机票任务，怎么处理这种情况）？
196 | 5. lstm和gru的区别
197 | 6. fasttext和word2vec相比的优势是什么
198 |
199 | > 面试官原话：
200 | >
201 | > 刚才问的lstm对比gru，gru原理没错，gru的结构可以并行计算，这个是一个
202 | >
203 | > fastText和word2vec，实务中，文本都是领域内的，fastText更容易通过标注控制结果
204 |
205 |
206 |
207 | 二面：2019/05/08 16:30-18:00 部门leader
208 |
209 | 1. nlp的难点在哪里？
210 | 2. 说一下你的职业规划
211 | 3. 你觉得最有挑战性的一个项目
212 | 4. cnn和lstm的区别
213 | 5. bert为什么会好
214 | 6. 两层全连接层，softmax cross entropy，写出每一层的参数更新公式
215 | 7. 中文分词，双向最大匹配算法，给定词典{"北京"，"天安门"}，"我爱北京天安门"切分为"我 爱 北京 天安门"
216 |
217 |
218 |
219 | 三面：2019/05/09 19:00-20:00 交叉面
220 |
221 | 1. 删除链表中倒第n个结点
222 | 2. 字符串的全排列
223 | 3. 问前缀树了不了解，我说不了解直接就问下一个了
224 | 4. python 正则表达式，匹配一个字符串中的数字
225 | 5. 给定一个词典，对一个句子进行切分，比如，词典{"天安门"，"北京"}，句子"我爱北京天安门"切分为"我爱 北京\w 天安门\w"
226 |
227 |
228 |
229 | 四面：2019/05/13 10:00-11:00 现场面 部门大leader
230 |
231 | 1. 写作水平怎么样？平时都看哪些会议的论文
232 | 2. 代码能力怎么样？和自己实验室的比怎么样？
233 | 3. 以后打算做什么样的工作？
234 | 4. 觉得目前几个大公司自己更喜欢哪家？
235 | 5. 你这个创新的点在哪里？
236 |
237 |
238 |
239 | 五面：2019/05/16 16:30-17:00 交叉面
240 |
241 | 1. 语言模型的原理，如何训练，应用
242 | 2. 如何训练出具有词法特征的词向量，如果用word2vec训练，参数如何设置
243 | 3. 最大熵模型
244 | 4. knn和kmeans
245 | 5. 介绍一个代表性的项目经历，动机、方法、结果、结论、困难、解决办法
246 | 6. 公司里一个项目，现在模型只能达到80%的正确率，现在领导想让你提高到95%以上，你会怎么做？
247 |
248 |
249 |
250 | HR面：2019/05/21 15:30-16:00
251 |
252 | 1. 介绍一个最能体现自己技术能力的项目
253 |
254 | 2. 核心竞争力是什么
255 |
256 | 3. 为什么不去腾讯实习？我没有腾讯offer啊大佬
257 |
258 | 4. 还有没有比别人优秀的地方，比如有没有参加过比赛，比别人又快又好的做出来？
259 |
260 | 5. 最后好像问我了不了解tts
261 |
262 |
263 |
264 | 收到录用意向书 2019/05/28
265 |
266 | 体检有点问题，还去复检了两次，还是身体最重要，不要在肝了
267 |
268 | 收到offer 2019/06/10
269 |
270 |
271 |
272 | ### 2019/06/02 14:00-15:00 腾讯PCG-浏览平台产品部-搜索中心-搜索数据开发组
273 |
274 | 一面：2019/06/02 14:00-15:00
275 |
276 | 自我介绍
277 |
278 | 挨个讲项目
279 |
280 | 几个问题：
281 |
282 | 1. 为什么没有分词，有没有试过分词之后的效果
283 | 2. 如何同时用词级别和字级别
284 | 3. 数据归一化，什么情况下需要
285 | 4. 过拟合解决办法
286 | 5. 梯度消失/梯度爆炸解决办法
287 | 6. L1L2正则化从数学角度分析一下
288 | 7. python多进程多线程
289 | 8. c++还会不会
290 | 9. 写一个自己觉得最难的算法
291 |
292 |
293 |
294 | 二面： 2019/06/11 10:00-10:20
295 |
296 | 让讲一个项目，也没提啥问题，没让写算法题
297 |
298 |
299 |
300 | 三面： 2019/06/12 22:00-22:20
301 |
302 | 和二面差不多，让讲一个项目，也没提啥问题，没让写算法题
303 |
304 | 记得让介绍了一下seq2seq模型
305 |
306 |
307 |
308 | HR面：2019/06/13
309 |
310 | 以后想在哪工作
311 |
312 | 为什么不去别的互联网公司
313 |
314 |
315 |
316 | 收到offer 2019/06/17
317 |
318 | 好的 有腾讯offer了 不用去杭州了
--------------------------------------------------------------------------------
/互联网/暑期实习/tencent_hzq.md:
--------------------------------------------------------------------------------
1 | PCG部门
2 | 1. 自我介绍+项目介绍
3 | 2. word2vec具体实现（skip-gram）
4 | 3. 决策树
5 | 4. 集成学习，弱学习器和强学习器
6 | 5. loss函数都有哪些
7 | 6. 梯度下降怎么优化
8 |
--------------------------------------------------------------------------------
/互联网/暑期实习/京东-dn.md:
--------------------------------------------------------------------------------
1 | #### 京东
2 |
3 | 一面
4 |
5 | 算法：快排
6 |
7 | 算法：写栈 在O(1)时间内取出最小值
8 |
9 | 问s2s项目，讲attention，LSTM结构公式；
10 |
11 | cnn中的pooling作用：我觉得强调值 面试官说是平移旋转不变性
12 |
13 | CNN的反向传播是怎么做的
14 |
15 |
16 |
17 | 二面
18 |
19 | 自己的优缺点
20 |
21 | 问了比较久强化学习的项目，质疑数据是自己造的；问值迭代策略迭代，actor critic
22 |
23 | 问java多线程如何实现的
24 |
25 | 有关c++， &a[0] 与*(a+0)有什么区别
26 |
27 | 算法：之字遍历二叉树
28 |
29 | 算法： 算pai
--------------------------------------------------------------------------------
/互联网/暑期实习/头条-chenjiayu:
--------------------------------------------------------------------------------
1 | 一面： 2019-06-04
2 | 面试官：简单介绍一下自己
3 | 我：吧啦吧啦吧啦
4 | 面试官：一个算法题，给你一个字符串，将它转换为int类型的数值返回
5 | 我：主要考虑了空格，和不合理字符的处理（例如合理字符只有+，-，0-9）
6 | 面试官：两个二叉树，如何判断是否为镜像二叉树
7 | 我：递归写出来了
8 | 面试官：现在有一个场景，给你一个query（由一系列的字组成）和一些返回的item，如何判断query中哪些字是关键字
9 | 我：说了一些利用NLP分词工具先分词，根据用户点击Item 的词数作为重要程度，计算一个item与词之间的相似度来判断
10 |
11 | 二面：2019-06-04
12 | （一面和二面是同一个下午）
13 | 面试官：简单介绍一下你自己
14 | 我：吧啦吧啦吧啦
15 | 面试官：你在新浪微博的实习主要是做什么
16 | 我：聊了一下项目经历（主要是根据微博用户的行为给用户打分）
17 | 面试官：好了，现在给你一批微博用户的每日的各种活动的log，你如何完成给用户打分的这个项目？
18 | 我：假设Log文件的格式，定义了一下特征分别有什么，简单说了一下把打分的任务转化为一个有标注的分类任务来做
19 | 面试官：（不满意）你写下来，详细地写你每一步怎么做的
20 | 我：吭哧吭哧地写。。。
21 | 面试官：你主要是用python？会其他的吗？
22 | 我：不会。
23 | 面试官：你觉得你全部的代码量大概有多少，从第一次到现在的全部？
24 | 我：（头脑风暴）可能有一万多，不到两万
25 | 面试官：（看了一下我写的预处理log的代码）你有没有想过，为什么要用机器学习来做这个事情，而不是用人工来做？
26 | 我：（灵魂的拷问？？？我怎么知道）机器学习。。。。可以交给机器去做重复的繁杂的数据处理的工作，提高效率
27 | 面试官：你觉得机器一定会比人做得好吗？
28 | 我：（感觉这一段聊崩了）.......
29 | ...（很久以后）
30 | 面试官：考你一个算法题，给定一个有序的数组，和一个数x，找数组中大于等于x的第一个数的下标
31 | 我：写了二分查找
32 | 面试官：你怎么证明你写对了
33 | 我：举了六个例子，演算了一遍算法的执行过程
34 | 面试官：一个多叉树，每一个节点有对应的权值，问这个树中是否存在一条边，把这个边去掉以后，得到的两个树的权值的和相等，存在返回True,否则返回False，定义一下存储多叉树的数据结构
35 | 我：简单说了一下想法，用一个类来存节点，int类型存节点的值，列表存节点的所有孩子节点，依次判断每一条边断开后，两个子树是否权值和相等
36 | 面试官:还有更好的方法吗?
37 | 我：我不会了
38 | （提问环节）
39 | 我：技术面有几轮，多久能有消息，转正的时间要求
40 | 面试官：技术面一般两轮，过了的话有hr面，一般一周之内有消息，转正的话，这边是要求实习满六个月才能转正，往年的转正概率会有60左右
41 |
42 | 三面（当天晚上收到了hr的电话，说要加一轮技术面，约了第二天下午）2019-06-05
43 | 面试官：简单介绍一下你自己
44 | 我：吧啦吧啦
45 | 面试官：考一个算法题，一个多叉树，每一个节点都有对应的值（不重复），求两个节点值对应的节点的最近公共父节点
46 | 我：递归写了一下
47 | 面试官：问了毕设做的项目
48 | 我：（明显察觉面试官不太懂我在做什么）介绍了一下毕设
49 | 面试官：有没有其他的offer，什么时候能来
50 | 我：。。。。。
51 | （提问环节）
52 | 我问了一下转正要求和工作内容
53 | 面试官：这边一般是满三个月就能提转正，工作内容是。。。。。。。（反正我没听懂）
54 |
55 | （HR面）三面后让我等了30分钟就到hr面了
56 | 主要是聊什么时候能来，一些找实习的期望，给了offer需要考虑多久的问题
57 |
--------------------------------------------------------------------------------
/互联网/暑期实习/头条-dn.md:
--------------------------------------------------------------------------------
1 | ##### 头条一面
2 |
3 | > 介绍项目(XGBoost相关)
4 |
5 | > 具体讲一下XGBoost原理
6 |
7 | Me:大概讲了bagging boosting gbdt xgboost 框架 以及xgb改进
8 |
9 | > 好的，那我来详细问一下，gbdt常用的损失函数都有哪些
10 |
11 | Me:我只说了MSE
12 |
13 | > MSE有什么缺点
14 |
15 | ME:对异常值敏感
16 |
17 | > 为什么对异常值敏感
18 |
19 | Me：大概说下
20 |
21 | > 为什么xgboost 层次不需要很深 rf需要树层次比较深
22 | >
23 | > 机器学习 偏差 方差什么含义
24 | >
25 | > gbdt也可以做分类问题 怎么做
26 | >
27 | > 什么时候用中位数 众数
28 | >
29 | > gini系数怎么算的
30 |
31 | Me:以上答的都不全。。。
32 |
33 | > l1 l2正则 区别
34 |
35 | Me:l1是绝对值 l2是W平方 l1稀疏解 l2平滑
36 |
37 | > lda原理
38 |
39 | Me:写了下lda的公式 说了下
40 |
41 | > tfidf怎么算
42 |
43 | Me:公式
44 |
45 | > 解决小数据问题有哪些方法
46 |
47 | Me：数据上下采样 模型改进 预训练迁移学习
48 |
49 | > 算法题 做了顺时针打印二维数组
50 |
51 |
--------------------------------------------------------------------------------
/互联网/暑期实习/头条-lxn.md:
--------------------------------------------------------------------------------
1 | # 头条 AI Lab 面经
2 |
3 | ## 一面
4 |
5 | 首先让自我介绍，之后主要问的是我第一个项目：中文小说实体抽取的事
6 |
7 | 由于复现的两篇论文不是深度学习的，所以讲了比较久。
8 |
9 | 第一篇……
10 |
11 | 第二篇……
12 |
13 | 我也讲了我怎么改进第二篇的特征
14 |
15 | 之后问了我lattice lstm是怎么work的，
16 |
17 | 我提到了lattice lstm的动机：分词之后再做实体标注，会导致 1.分词错了实体标注就错了 2.分词错了也会影响别的词的实体标注，而之前的sota是把词向量和字向量一起送到卷积里去，虽然说也是缓解了分词的错误，但lattice lstm的做法更加的“软”，实际效果更好
18 |
19 | 有一个开放性的问题，给一个集合，包含着一些实体词与非实体词，与一些文本，未分词，如何做实体抽取（无监督）？
20 |
21 | 我没思路，什么都没说出来，直接投降
22 |
23 | 之后问了如何用对抗训练的思想做梯度上升，对数据集进行增广
24 |
25 | 我提到了图像中的对抗训练，我们也假设embedding做轻微的改动，不会改变其潜在语义，这个被第一个面试官accept了，但第二个面试官那就白给了。
26 |
27 | 之后是一道leetcode原题
28 |
29 | [URL](https://leetcode-cn.com/problems/search-in-rotated-sorted-array/)
30 |
31 | 感觉虽然做过，当时自己也是直接想出了思路，但在这种面试场合下，还是会脑子不灵光，特别是边界条件。
32 |
33 | ## 二面
34 |
35 | 和一面问的很像，但是由于面试官对面试时间比较在意，以及我在一开始掉线了六分钟，很多东西我没说完，面试官就打断了。
36 |
37 | 相比一面，问了我的acl2019那篇，也没问关于常识的什么东西，问了BERT的具体模型细节，我讲了每层有自注意力机制，多头注意力，layer-normalization，残差连接。但讲的不是很清楚。
38 |
39 | 之后问我layer-normalization是什么，我说我不知道，我知道有个BN（给自己挖坑，不可取）。
40 |
41 | 之后就问我BN，然后她一问我，我才知道我连这个都不是很清楚。我讲BN是先放缩到【0，1】之内，再进行线性变换，然后说这会使每层的方差不变（实际上这是某个初始化带来的好处，我又搞错了）。
42 | 至于BN正确的解释，可以参考一下 [Blog](https://tobiaslee.top/2017/12/06/Batch-Normalization-Learning-Notes/)
43 |
44 |
45 |
46 | 然后让我写一个深层全连接网络是如何前向与后向传播的。
47 |
48 | 前向的时候，我只写了一层=线性变换（前一层），bias和激活函数都没加，面试官提醒后，我给加上了
49 |
50 | 算导数时，我sigmoid的导数写错了，（算这个导数我还是会的，但我记得答案应该也是用sigmoid的输出表示的，就强行把一些e^-x这种东西用sigmoid的输出去表示，就弄错了）
51 |
52 | 最后面试官让我写sigmoid的公式，可能她觉得我可能连这个都不知道吧，还好我这个没写错。
53 |
54 | PS: 疑似挂了
55 |
56 |
57 |
--------------------------------------------------------------------------------
/互联网/暑期实习/头条_ll.md:
--------------------------------------------------------------------------------
1 | # 头条 AI Lab
2 |
3 | ## 一面
4 |
5 | 是个小姐姐，问了下论文，把三篇文章的任务讲了下，contribution 说了一下。
6 |
7 | 主要讲 Topic-to-Essay 那篇文章，中间顺带把在艾耕做的汽车评论拓展主题词（tf-idf）的方法说了。
8 |
9 | 问了下 DeeCamp 的项目，讲了下任务，嘻哈歌词的押韵怎么做，和唐诗押韵的 mask 类似。
10 |
11 | 然后小姐姐说一面还是要做个算法题，给了俩数组 A 和 B，和一个 min(i, j) 返回 min( A[i], B[j])，求 sum ( min(i, j) )。
12 |
13 | 秒写暴力 O(mn），然后优化之，排序两个数组，然后两个指针，然后类似逆序对的计算方法即可。
14 |
15 | ## 二面
16 |
17 | 这一面更像是聊天，一开始比较紧张，后来发现面试官并不在乎我知不知道，经常说没关系，我也就佛了放开聊。
18 |
19 | 面试官问我对 text generation 是不是还是蛮熟的，我说是，然后开始问相关的内容。
20 |
21 | 我说说了一些 Exposure bias 的问题，面试官说在数据量足够大的情况下，其实问题不是很大，scheduled sampling 提升不明显。
22 |
23 | Q：GAN 了解的多吗
24 |
25 | A：基本知道一些，让写了 GAN 的目标函数，说了下 WGAN
26 |
27 | Q：WGAN 的公式能推吗
28 |
29 | A：不能(逃
30 |
31 | Q：知道 VAE 吗
32 |
33 | A：知道一点，和 Seq2Seq 很类似
34 |
35 | Q：是吗，能推公式吗？
36 |
37 | A：不确定
38 |
39 | 面试官：VAE 的 latent vector 是有限制的，是一个 gaussion；Seq2Seq 没有这方面的限制。(后来发现面试官可能看了一个 VAE 的 Tutorial，补了一下就知道他在说什么了)
40 |
41 | Q：BERT 了解吗？
42 |
43 | A：知道一点，说了下 self-attention，我很好奇为什么 work(并且这里把 ELMo 和 BERT 混了)
44 |
45 | 面试官：主要是表示是 deep Contexualized 的，能够带来一些信息的增益
46 |
47 | 聊到 GPT，说把很多任务做成 Pair，然后去探索一些现象。
48 |
49 | 用 BERT 能不能给一个句子打分，我说用 language model；
50 |
51 | 问了下采样的方法知道多少，回答：不清楚。
52 |
53 | 后来聊了下研究理想，我说研究生阶段想做一些 solid 的 work，不去灌水，面试官还是蛮认可的。
54 |
55 | 最后问了下面试官怎么提升自己：
56 |
57 | 1. 多看一些 ICML、NIPS 的文章，偏应用的文章看多了会忽视背后的原理
58 | 2. Text generation 还有很多可以了解的，比如 VAE。
59 |
60 | ## HR 面
61 |
62 | 中间HR给我打电话没接到，直接加了HR小姐姐微信问怎么样了，就开始HR面。
63 |
64 | 先确认了身份（大三在读），确认实习时间。
65 |
66 | 问能不能 balance 学业和实习，我说我下学期就保研了(逃)
67 |
68 | 说大小周，年轻人就是要奋斗啊！福报懂吗
69 |
70 | 问还有没有投其他的公司，我说就投了头条，吹了一波头条，并且说 AI Lab Leader和我重名太有缘了
71 |
72 | 介绍了房补等福利，我说我基本都了解，HR 表示我工作做的很足2333
73 |
74 | 最后我问了下薪资，没说，说还要讨论(怕不是批发价Orz)
75 |
76 |
--------------------------------------------------------------------------------
/互联网/暑期实习/微软-dn.md:
--------------------------------------------------------------------------------
1 | 机器学习方向
2 |
3 |
4 |
5 | 一面
6 |
7 | 1.说一个你做的最难的项目；
8 |
9 | 我：讲项目。。。可能过于简单或者方向不对口 对方没有怎么细问
10 |
11 | 面：你做对话 为什么不投小冰
12 |
13 | 我：ummm不能选组，都是大类的岗位投递。。。
14 |
15 | 2.算法题：给一个数组 长度n ；其中每个元素的值在1-n之间 ，求返回每个元素的出现次数；要求空间O(1)
16 |
17 | 我：说了一个排序的方式; 时间O(nlogn)
18 |
19 | 面：再想一下时间复杂度更低的方式
20 |
21 | 我：在面试官的引导下 写完了
22 |
23 | 面：写测试用例
24 |
25 | 我：写。。。。
26 |
27 |
28 |
29 | 二面
30 |
31 | 1.讲一个你最近做的项目
32 |
33 | 我：讲。。。。感觉面试官不是做这个的 问了几个怎么做的 就过去了
34 |
35 | 2.算法：给一颗二叉树 判断其是否是中心对称的
36 |
37 | 我：层序遍历写了一个
38 |
39 | 面：写一个递归的吧
40 |
41 | 我：递归的写完了
42 |
43 | 面：你这用了额外空间 写一个不用额外空间的
44 |
45 | 我：写了
46 |
47 | 面：写一下测试用例
48 |
49 | 我：边界。。。。
50 |
51 |
52 |
53 | 出来问面试官他们是做什么方向的，说是开发～ 感觉岗位投的不对口。。
54 |
55 |
56 |
57 | 然后让我走了。。。。
58 |
59 |
60 |
61 |
62 |
63 |
64 |
65 |
--------------------------------------------------------------------------------
/互联网/暑期实习/微软-lk:
--------------------------------------------------------------------------------
1 | 一面
2 | 面试官：介绍一下简历中的项目
3 | 我：介绍了其中一个，然后被面试官疯狂怼，比如：为什么不用Bert、transformer这种，反正项目被怼的怀疑人生（大概20多分钟）。
4 | 面试官：手写一下lstm的结构吧，分析下lstm为什么会导致梯度消失，你觉得lstm哪一个门比较重要
5 | 我：勉强写出来了
6 | 面试官：做一道算法题，找出有序数组中比给定目标值小的最大的数
7 | 我：写完了。
8 | 面试官：又做了一个算法题，有点记不清了（反正不难）
9 |
10 | 二面：
11 | 面试官：介绍简历中的项目
12 | 我：依旧被怼（又过了20分钟。。。）
13 | 面试官：来做道算法题，给定一个二维数组，中间有障碍物，随机给你一个起始位置，给出从起始位置走出边界的最短步数
14 | 我：写好了
15 | 面试官：大体上没什么问题
16 |
17 | 中间还问了一些东西基本围绕简历问，有点记不清了。我记得二面没问机器学习相关的东西
18 |
19 | 三面：
20 | 面试官：介绍一下你的实习项目
21 | 我：吧啦吧啦吧啦
22 | 面试官：给我展示了他们的小娜语音助手，如果你要做一个语音聊天助手，你会从哪些角度考虑
23 | 我：吧啦吧啦，乱说一通
24 | 面试官：数据量特别大的时候怎么办
25 | 我：根据人物特性进行分类存储
26 | 面试官：来做个算法题，k个有序链表中找出前k小的数
27 | 我：建一个堆大小为k，吧啦吧啦。
28 | 面试官：那这个时间复杂度是多少
29 | 我：nlog（k）（我记得我答的是这个，有点记不清了）。
30 | 面试官：行，那你写代码吧。你用什么语言写？ C++？
31 | 我：python行么？C++不太熟悉了。
32 | 面试官：你实习的时候不是用过c++么，用c++写吧
33 | 我：勉强用c++写好了
34 | 面试官：你这c++不熟悉啊，挑了一些语言上的毛病。
35 | 我：嗯，太久不用了。
36 | 面试官：你有什么要问我的么？
37 | 我：方便告诉我今天的面试结果么？
38 | 面试官：我这边没什么问题，应该会给你offer，你等hr通知吧。
39 |
40 | 已收offer
41 |
--------------------------------------------------------------------------------
/互联网/暑期实习/微软-sjq.md:
--------------------------------------------------------------------------------
1 | 第一面
2 | 30多岁商务稳重型女面试官
3 | 1.手写中序遍历递归版和非递归版，写完之后发现没考虑各种异常输入..让我写几个测试例子，遂发现问题，改。
4 | 2.面试官凭空臆想了一个字符串模式匹配和替换的应用场景，有些细节忘了，大概是这样：#号代表一个模式串的开始符，给一段包含若干模式串的文本、模式串在文本中的开始、结束下标（这个下标是用户标的，可能是错的..我不懂为什么这么设定）、模式串和对应的替换字符串的数据库表，要求返回替换字符串之后的文本和其中替换字符串的开始、结束下标，手写代码。我写完之后时间不多了，大概讲了一下思路，面试官说她回去再看看代码...
5 |
6 | 第二面
7 | 20多岁温柔软萌型女面试官
8 | 1.问了一些计算机网络相关问题..只记得回答上来了浏览器请求网站响应的过程
9 | 2.问研究方向内容，我讲的她也听不懂，就不问了
10 | 3.算法题:给一个数组代表股票不同日期的价格，(1)不限制买卖次数，求最大可能的收益率，用滑动窗口实现，然后手写代码(2)只能买卖一次，用动态规划做，然后手写代码。
11 | 4.软件系统架构问题。要设计一个人机对话系统，应该怎么划分模块，定义类，类之间什么关系，怎么关联，用代码写出来。有些懵，强行写了几个类，说我也不了解这些，面试官：哈哈你工作了做几个项目就知道了。
12 |
13 | 第三面
14 | 高傲冷酷型男面试官
15 | 1.问项目，我讲了闲聊项目，然后就深度灵魂拷问各种细节，项目也很水，故全程慌张。质问每一个实现环节的不合理之处，质疑怎么能这么实现，数据怎么来的，数据怎么标的，这有必要吗，有大规模测试吗。我的回答抵挡不了面试官的拷问，一度陷入僵局。
16 | 2.项目批判完了，问我有什么优点和缺点...随便扯了一些
17 | 2.给了一个排序相关的算法题，手写快速排序。
18 | 3.自由问答时间
19 |
20 | 不出意外挂了hhh。
21 |
22 |
23 |
24 |
--------------------------------------------------------------------------------
/互联网/暑期实习/微软-why.md:
--------------------------------------------------------------------------------
1 | 微软cloud+AI，北京组（投成了开发岗，僵硬）
2 | ===
3 | 一面，自我介绍，手撕代码：
4 | 深度拷贝二叉树，递归和非递归写法。递归就用中序遍历，非递归就用BFS+双队列。
5 | 做完题面试官问我对他们组有什么了解，我说我就知道组名。然后面试官就给我说他们主要是做大数据和云计算平台的，以及开发基于云计算平台的各种工具。
6 | 一脸懵逼，原来投错岗了。不过面试官又说他们对背景没啥要求，比如他来之前就不知道大数据是啥。然后又闲聊了几句就结束了一面。
7 |
8 | 二面，自我介绍，手撕代码：
9 | 1.对于给定的字符串数组，找到出现频次最高的K个字符串。
10 | 说了下思路，哈希+最小堆，然后在白板上把代码写完。
11 | 2.稍微修改下规则，对于a和b两个字符串，如果a串的某种排列是b串，那么认为a和b相同。
12 | 在1的基础上做下修改就好了，在哈希之前排序。
13 | 3.对三类数据进行排序，即A类在前，B类在中，C类在后。简化问题描述，可以认为对只有0，1，2三种元素的数组进行排序，排序后的数组为0在前，1在中，2在后。
14 | 这道题应该是考察一种O(n)的算法。参考快排的partition函数，使用三个指针i，j，k进行排序。i=0,j=0,k=n-1。如果a[i]是0，那么交换a[i],a[j]，并且i和j均加一；
如果a[i]是2，那么交换a[i]和a[k]，k减一，i加一；否则i加一。
15 | 面试官指出算法有bug，并给出了一个测试样例。把上面的算法改为a[i]是2时，交换a[i]和a[k]，k减一之后，通过了这个测试样例。
16 | 二面结束。
17 |
18 | 三面，自我介绍，手撕代码：
19 | 二叉树的序列化和反序列化。
20 | 序列化：BFS，定义间隔字符为'。
21 | 反序列化：先根据间隔字符分割字符串，然后逆向BFS建二叉树。
22 | 最开始写的代码有bug，改了半天改好了，三面就结束了。
23 |
24 | 回来等通知。
25 |
--------------------------------------------------------------------------------
/互联网/暑期实习/微软面经-dy.md:
--------------------------------------------------------------------------------
1 | 一面：
2 | 先自我介绍一下
3 | 1字符串中的最长回文子串问题
4 | 我答了动态规划的解法，
5 | 面试官：你能不能想出O（n）的解法
6 | 我：想了一会儿放弃了
7 | 面试官：Manacher法了解吗
8 | 我：不了解
9 | 2 找出大数据中最大的n个数
10 | 答：法1：分成多个小文件，维护一个节点数为n的最小堆，分别读小文件更新最小堆。
11 | 法2： 分成m个小文件，每个小文件读入内存后快排取top n，合并m个top n。
12 | 面试官：手写一下堆排序：
13 | 我：只写了用java库priorityQueue实现的方式
14 | 面试官: 不用库写一下
15 | 我：没写出来
16 | 3 有若干个酒店，给定每个酒店到顾客的距离以及价格，要求返回价格最低的n个酒店，且返回的每个酒店都是同价位下距离最近的。
17 | 我：维护一个酒店数组，每个元素的下标表示价格，值为一个酒店对象，存储当前价格下距离最近的酒店。便利酒店集合，若当前价格已存在，则更新为这两个酒店中距离最短的一个。
18 | 最后顺序便利酒店数组，依次输出不为空的n个酒店。
19 |
20 | 后面跟小哥扯了扯蛋，一面勉强过的。他说你这个还行吧，但准备的不是很充分啊，得好好准备的，虽然不是最好的，但还是给你过了吧，给你个机会。
21 |
22 | 二面：
23 | 自我介绍
24 | 1给定n个字符串，计算出出现次数最多的字符串，n很大
25 | 我：首先想到的肯定是hash表，但空间复杂度太高，我再想想
26 | 我： 用Trie 树可以
27 | 面试官：那你用Trie树把这道题的完整代码写一下
28 | 我：手撕成功
29 | 面试官：如果是出现次数最多的前n个字符串呢？
30 | 我：建立Trie树的同时维护一个最小堆
31 | 面试官：假设你现在是黑客，写一些测试用例来攻击你的代码
32 | 我：我的代码中子树是用数组实现的，默认大小26，只能处理小写字母的单词，若有大写字母则会出错，为了解决这个问题，可以将Trie树的子树数组扩大为255，以ASCII码为key。
33 | 面试官：嗯，还有呢，继续
34 | 我：还有可能出现中文字符，这样就需要改变子树的实现方式，不用数组而是使用HashMap来实现。
35 | 面试官：继续，再想
36 | 我：还有可能出现当前码表之外的字符，比如我用的gbk编码，但是出现了日文等，解决方法可以使用别的码表如utf-8
37 | 面试官：继续，你还能怎么搞崩这个程序
38 | 我：输入一个巨大的字符串，撑爆内存
39 | 面试官：正常情况下有可能出错吗？
40 | 我：代码是线程不安全的，多线程可能出错，可以用volatile修饰
41 |
42 | 二面感觉答的贼好，只用了不到40分钟
43 |
44 | 三面：
45 | 自我介绍
46 | 讲一个你做过最难的任务
47 | 1 一颗二叉树中有一个叶子节点，它有一个指针错误地指向了树中的一个其他节点，如何找到这个节点并删除这个错误的指针？
48 | 我：用hashSet加先序遍历，如果下一个节点已经访问过则找出，删除指向该节点的指针（不完全）
49 | 然后面试官指出来一个缺陷，上述算法可能会删除非叶节点的那个指针，然后引导一番，让我改进并写出完整代码
50 | 我：写出来了，应该是过了
51 | 2 两个长度为n 的数组 ，找出两个数组中第n小的数 （LeetCode原题）
52 | 我 用二分法答出，应该也算过了
53 |
54 | 三面稍微卡了些，不过在面试官的引导下还是勉强做出来了
55 |
56 | offer已收
57 |
--------------------------------------------------------------------------------
/互联网/暑期实习/快手-lk:
--------------------------------------------------------------------------------
1 | 一面
2 | 面试官：介绍一下简历中的项目
3 | 面试官：算法题：讲一个排序二叉树转换成排序链表，原地置换
4 | 面试官：一道智力题，一根绳子切成三段，这三段能组成一个三角形的概率
5 | 面试官：训练深度神经网络时，有什么调参技巧
6 |
7 | 二面：
8 | 面试官：介绍简历中的项目
9 | 面试官：算法题：k个有序链表排序，用python手写堆排序
10 | 面试官：手写tensorflow中dropout实现原理，给定一个tensor
11 | 面试官：batch normalization原理，优点
12 | 面试官：lstm原理，为什么解决梯度消失
13 | 面试官：神经网络中用lstm，如果网络不拟合，怎么调整
14 |
15 | 感觉凉凉。。。。
16 |
--------------------------------------------------------------------------------
/互联网/暑期实习/滴滴数据分析凉经-wn.md:
--------------------------------------------------------------------------------
1 | ## 1 面试岗位：滴滴反欺诈数据分析
2 |
3 | ## 2 面试内容
4 |
5 | ### 2.1 一面
6 | 面试官：一个略青涩的小伙砸
7 |
8 | 让自我介绍，听到我介绍之前的项目时，他开始讲述他自己（项目）的故事……
9 |
10 | 然后接着介绍我的项目经历；
11 |
12 | 问到了一些数据预处理的方法，主要从统计角度回答的
13 |
14 | 他又开始讲述自己（项目）的故事……
15 |
16 | 最后问问题我问了两个，感觉间接导致了二面面试官的暴走（当然，不是根本原因
17 | - 几点下班
18 | - 面试有几面
19 |
20 | ### 2.2 二面
21 |
22 | 面试官：一个满脸倦容的姐姐
23 |
24 | 面试官一上来就问了以下灵魂问题：
25 | - 几月份能来，能实习几个月
26 | - 对996怎么看
27 | - 如果不能转正，是不是秋招/有offer的时候就走了
28 | - 如果短时间给你很多做不完的任务，你要怎么handle
29 | - ……
30 |
31 | 我感到满腔的热情被劝退，激情回怼
32 |
33 | 后来出了一个sql应用题，有两问，第一问做出来了；第二问比较难一时半会没思路，面试官看到我在吭哧吭哧写第二问没给时间写
34 |
35 | 整个过程对我这个人没啥兴趣，让回去等通知
36 |
37 | ## 3 感想
38 |
39 | 1. 面试官对自己做的事情不感兴趣；
40 | 2. 面试官没有hc且不想招人；
41 | 3. 面试官过得很疲惫；
42 | 4. 面试环境无纸，做题写代码都是在我的简历背面写的【官方劝退
--------------------------------------------------------------------------------
/互联网/暑期实习/腾讯-lk:
--------------------------------------------------------------------------------
1 | 腾讯视频：
2 | 一面：
3 | 面试官：介绍一下你的实习经历
4 | 我：吧啦吧啦
5 | 面试官：挑了一个项目，你详细介绍一下吧
6 | 我：吧啦吧啦
7 | 面试官：来咱们做道算法题，股票买卖那个（leetcode原题）
8 | 我：写好了
9 | 面试官：再做一道算法题吧，记不清了也是个动态规划题，不难
10 | 我：写好了
11 | 面试官：过拟合发生的原因是什么，有什么好的解决手段？
12 | 我：数据量少且模型复杂，简单说了下原因
13 | 面试官：你等会吧，二面面试官有点事儿一会来，开启闲聊模式。。。。
14 |
15 | 二面：
16 | 面试官：介绍你其中一段实习经历
17 | 我：balbala
18 | 面试官：你了解机器学习么？
19 | 我：了解一些
20 | 面试官：svm和lr之间的区别和联系？什么情况下用lr比较好
21 | 我：吧啦吧啦
22 | 面试官：dropout你知道吧？
23 | 我：嗯，简单了解过
24 | 面试官：你知道tensorflow里面dropout实现的原理么？
25 | 我：当时说错了
26 | 面试官：介绍一下batch noramlization
27 | 我：吧啦吧啦
28 | 面试官：写个代码吧，将一个有序数组按照绝对值的大小排序
29 | 我：写好了
30 |
31 | 二面结束了2天吧，接到了腾讯视频那边的电话，说是之前nlp组里名额不够了，被面试官推荐到推荐那边
32 |
33 | 三面：
34 | 面试官：你觉得前面面试的表现咋样？
35 | 我：还行吧，感觉不是很满意
36 | 面试官：前面两个面试官对你评价都不错，他们推荐你来我这边。二分类：一层神经网络，激活函数为sigmoid，误差函数为交叉熵。你写下反向求导吧
37 | 我：写了一会写好了
38 | 面试官：你用过什么深度学习工具？
39 | 我：tensorflow
40 | 面试官：你说一下神经网络调参的经验吧
41 | 我：吧啦吧啦吧
42 | 面试官：介绍了一下他们这边做的事情。
43 |
44 | 腾讯视频offer已收
45 |
46 | 腾讯微信
47 | 一面：
48 | 面试官：给我一张纸，上面三道算法题（都是leetcode的原题），让我自己在那写了半个小时吧。
49 | 我：写好了，您看下。
50 | 面试官：你用python啊，其中有一道题调用了python的自带库函数，他一直质疑我那道题是否正确。
51 | 我：解释了一下那个思路
52 | 面试官：另一道题，你这道题这么解也对，但是有更好的解法
53 | 我：想了一会，面试官提示了我一下，我也没明白。。。。
54 | 二面：
55 | 面试官：介绍一下你的项目吧
56 | 我：吧啦吧啦介绍
57 | 面试官：来写一道算法题，给你一个能够生成随机数的函数，生成数的范围为：0-6000，你怎么生成0-25000的随机数？
58 | 我：切分的思想，吧啦吧啦介绍了一下
59 | 面试官：如果一个神经网络激活函数是cos，你怎么反向求导
60 | 我：现在也没明白他是啥意思。。。
61 | 面试官：l1和l2正则化你介绍一下
62 | 我：简单介绍了一下，说明了一下他们的区别
63 |
64 | 三面：
65 | 面试官：介绍一下你的项目
66 | 我：介绍了一个（然后被怼，他觉得这样做不合理。。。。）
67 | 面试官：反正全程围绕着如何设计一个推荐系统，推荐系统中遇到的各种问题如何处理
68 | 我：胡乱的说，实在不了解推荐系统，感觉面试官很不满意。。。
69 |
70 | 腾讯微信果然挂掉了。。。。
71 |
72 |
73 |
--------------------------------------------------------------------------------
/互联网/暑期实习/苹果-dn.md:
--------------------------------------------------------------------------------
1 | 一 电话面
2 |
3 | 1.问项目
4 |
5 | 2.问对话整体框架
6 |
7 | 3.算法题 "."代表任意字符 "*"代表任意多个字符，给定字符串（比如ab）和匹配规则(比如a.)， 返回两者是否能匹配上
8 |
9 |
10 |
11 | 二 现场面：
12 |
13 | 一轮
14 |
15 | 1.问项目 细节 以及 现在的话 怎么改进 & 详细问了一个我说的新的论文
16 |
17 | 2.算法题：最大回文子串
18 |
19 | 二轮
20 |
21 | 1.项目细节（项目是用xgb做的） & xgboost及相关的学习器说一下 xgboost究竟为什么快
22 |
23 | 2.讲seq2seq加attention细节 对各激活函数的理解
24 |
25 | 3.算法题：给定一个字符串集合S（比如{abc, ef}）再给定一个字符串(比如abcef) 如果存在一种字符串的切分方式 使切分后的子串在S中都有出现过 就返回True 反之False
26 |
27 | 三轮
28 |
29 | 1.各种随便聊，说是想看看我都做了什么。。。：提到加班 勤奋是好事；
30 |
31 | 2.算法题：避免整体排序 求一个数组里的中位数
32 |
33 |
34 |
35 | 没有过。。。
--------------------------------------------------------------------------------
/互联网/暑期实习/阿里小蜜-sjq.md:
--------------------------------------------------------------------------------
1 | 第一轮电话面
2 | 1.自我介绍
3 | 2.让我讲一个项目，就讲了一个最近的项目，问的不深。
4 | 3.然后对我的研究方向比较感兴趣，或者说不解。我费很大功夫给他讲明白我做的是什么（表述能力很重要...）
5 | 4.最后问了个leetcode第一题:Two Sum...我说了用哈希表实现的方案，面试官问怎么不用额外空间同时时间复杂度也不是n平方。我短暂想了一下回答说想不出来hhh，然后在线编程实现哈希表的代码。
6 |
7 | 第二轮现场面
8 | 1.自我介绍
9 | 2.问逻辑回归极大似然函数怎么推导，参数如何更新。有些懵，在面试官的步步诱导下还是写了出来
10 | 3.问逻辑回归和svm有什么异同，不同点我好像说了两个(1)逻辑回归不能处理线性可分问题，svm可以。(2)svm参数更新只与超平面附近的点有关，lr参数更新涉及到所有点，复杂度更高。我应该是没回答到点上，然后面试官说什么我忘啦...
11 | 4.讲svm原理，不涉及公式推导
12 | 5.简历里面写了用过DBCSAN,BIRCH聚类。面试官问DBCSAN什么原理，怎么计算的。我说只了解它是基于密度的聚类，适用于小规模数据，怎么算的不了解...
13 | 6.算法题:用o(n)复杂度判断链表是否存在环，想了一会儿让面试官提示了一下...然后手写代码
14 | 最后问答时间，我问 你们周末双休吗 答 我们部门双休
15 |
16 | 然后就挂了hhh
17 |
18 |
--------------------------------------------------------------------------------
/互联网/暑期实习/阿里小蜜-why.md:
--------------------------------------------------------------------------------
1 | 阿里巴巴-阿里小蜜-面经
2 | ===
3 | ***
4 | date: 3.26
5 | ***
6 | ###一轮：
7 |
8 | 自我介绍一下，然后面试官问了下得过什么奖，然后就开始介绍项目。
9 |
10 | 把简历上面写的项目简要的介绍了一遍，然后面试官开始问问题。
11 |
12 | >做过的这些项目，有没有完整的做过一个对话系统，可以重点介绍一下。
13 |
14 | Me: 因为我主要是做DM的，所以NLU和NLG部分没有参与。
15 |
16 | >(皱眉)我看你电信的这个项目写的比较多，再介绍一下这个项目里你主要的工作吧
17 |
18 | Me: 介绍了一下怎么指导电信那边做DM的，主要是基于MDP建模的Q-learing和基于有限状态自动机的方法；以及给电信那边做的闲聊系统。
19 |
20 | >能详细说一下怎么用Q-Learing做对话管理吗？
21 |
22 | Me: 在纸上写了下公式，然后分析了下MDP和多轮对话的关系
23 |
24 | >那你有没有实现过一个DQN？
25 |
26 | Me: 回答用OpenAI GYM做过简单的model，但是没有在对话中用过DQN，主要是用PG的方法和AC、A3C做对话管理。
27 |
28 | >那你说一下怎么用的PG
29 |
30 | Me: 写了下REINFORCE的公式，然后讲了一下各个变量的意义
31 |
32 | >（面试官打断，说这个和actor-critic有什么不同，为什么要用ac？）
33 |
34 | Me: 写了下ac的公式，说了下REINFORCE要用蒙塔卡罗搜索模拟整轮对话，容易出现大的偏差，而actor-critic就不需要，借助于值函数可以避免这个问题。
35 |
36 | >再讲一下你电信做的东西吧
37 |
38 | Me: 讲了下闲聊怎么做的，画了下系统框架图，分析了下为什么不用seq2seq而用基于规则的方法，面试官还让举了个例子。
39 |
40 | >写下代码吧，开始问算法，不过都挺简单的，四个算法。
41 |
42 | >在纸上写下二分搜索
43 |
44 | Me: （确认了下只需要写函数就行了）用C++写了下二分搜索
45 |
46 | >两数之和问题、三数之和问题（leetcode原题）
47 |
48 | Me: 说了下思路，第一个哈希可以$O(N)$，第二个排序加双指针可以$O(N^2)$
49 |
50 | >输出一个数组所有的逆序对（这里不知道是不是面试官故意设置的陷阱）
51 |
52 | Me: 一开始没发现问题，说可以用归并，然后开始写代码，写了一半发现如果要输出所有的逆序对，那不管什么方法都会退化为$O(n^2)$的时间复杂度。遂和面试官沟通。
53 |
54 | >那你就输出逆序对的个数吧
55 |
56 | Me: 简单的归并，略微修改一下merge函数就行了，不过时间不多了，面试官只让我写完merge，给他讲一下什么思路就行了。
57 |
58 | >然后又问了下我对Bert怎么看
59 |
60 | Me: 没看过论文，不过我知道是预训练模型
61 |
62 | >那你知道怎么用吗？
63 |
64 | Me: 应该是训练好的底层网络直接加到自己的模型里用就行了
65 |
66 | >知道Bert怎么来的吗？
67 |
68 | Me: 是Transformer来的
69 |
70 | >两者有什么区别？
71 |
72 | Me: 没看过论文，没法回答这个问题。
73 |
74 | >又问了下对强化学习的探索和利用的关系怎么看
75 |
76 | Me：说了下自己之前做的的相关实验，不过都失败了
77 |
78 | >还有什么要问我的吗？
79 |
80 | Me：阿里这边怎么评估一个对话？还是成功率吗？
81 |
82 | >基本上就是通用的那一套评估方式。
83 |
84 | ####至此一轮结束
85 |
86 | ####等了20分钟
87 |
88 | ###二轮：
89 |
90 | 自我介绍
91 |
92 | >问了下家乡、本科专业（我本科通信工程）
93 | >从宏观框架上问了下对话系统，然后主要问对话管理可以怎么做，各有什么优缺点
94 | >介绍一下现在用的对话系统的模型，网络结构，怎么来的，和参考的论文有什么区别
95 |
96 | Me: 把上面的问题回答了一遍
97 |
98 | >又问了一下我写的关于REINFORCE和AC方法的公式的差异性，以及估计策略函数的$\theta$的物理意义
99 |
100 | Me：还是之前回答一面的那一套，$\theta$就相当于神经网络的参数
101 |
102 | >（这时候时间超了，别人要用会议室）简单又聊了几句就结束了二面，让我回去等电话面试
103 |
104 | ####二轮结束
105 |
106 | ***
107 | 4.9 update
108 | ***
109 |
110 | ###交叉面（三面）
111 | 面试官先让介绍自己做的工作，照着简历介绍了一下。
112 |
113 | 说到用SVM做分类器的时候，面试官打断了一下，问我用了什么核函数。回答用了高斯核函数，面试官又问有没有用线性核函数？
114 | 回答用了，并且发现线性核函数稍微要比高斯核函数效果好一点，但是并不明显。
115 |
116 | 然后接着问我在做这个分类器的时候有没有遇到什么问题？回答说训练时间太久了。然后追问我原因，我说应该是低维到高维那里计算耗时比较久。接着追问我高斯核函数映射到无穷维时，计算机怎么表示呢？（其实这里算是下一个问题的提示了，结果我没反应过来）接着追问我核函数的作用，为什么要用核函数？我回答的是因为要处理线性不可分的问题时，需要从低维映射到高维。面试官给我说回答错了，然我回去再看看书。（心里拔凉拔凉的，后来查了下资料，核函数应该是用来把高维空间的计算转化到低维空间的）
117 |
118 | 然后又让我介绍了一下做的对话系统，具体有哪些工作？如何用强化学习实现一个对话管理模块。然后又问了关于AC相关方法，以及我是怎么实现A3C算法的，如何验证算法的正确性。
119 |
120 | 最后又问我既然可以用有限状态自动机，为什么还要用强化学习来做对话系统呢？回答因为有限状态自动机是硬编码，要处理异常状态只能通过手动编码实现。但是强化学习模型可以通过学习，实现处理这种异常状态的能力，更加灵活。
121 |
122 | 然后三面结束（面试持续了大概不到30分钟）
123 |
124 | ***
125 | 4.18 update
126 | ***
127 |
128 | ###HR面
129 |
130 | 1.简要介绍学习经历
131 | 2.对自己的评价
132 | 3.最近在学什么东西
133 | 4.对工作的地点怎么看？哪里人？
134 |
135 | ***
136 | 4.29 update
137 | ***
138 |
139 | ###第五面（加面-交叉面）
140 | 先自我介绍，然后把中国电信的项目讲了下。
141 | >你的研究方向是什么？具体有什么工作？
142 | >研究领域都有哪些方法？和你做的有什么区别？
143 | >有没有实习过？实验室关于暑假实习怎么看？
144 |
--------------------------------------------------------------------------------
/互联网/秋招/tecent_feifei:
--------------------------------------------------------------------------------
1 | 1. 介绍论文（持续挺久）
2 | 问：你说ODA比self-att好，我不觉得容纳能力强了，性能就一定好。你也没有在文本任务上尝试。
3 | 我：我确实没有实验，所以没办法反驳你。
4 | 问：不要非常肯定的说自己的比别人的好，做研究要有包容的心态
5 | 我心想，有道理。
6 | 问：你现在第二名是ensemble的结果，第一名别人没有写ensemble
7 | 答：CVPR 2019已经开了，他是ensemble的。
8 |
9 | 2. n个数排序（n非常大无法载入内存）
10 | 我：可以使用python的hdf5存储n个数，在程序中和数组一样，使用快排归并堆排随便挑一个。
11 | 问：你这是作弊。不许使用pyhon库。
12 | 问：你知道linux的sort函数吗
13 | 我：不知道
14 | 问：你会linux吗
15 | 我：会
16 | 问：linux的sort函数就要考虑这个问题
17 | 问：你再想想
18 | 我: 设内存只能存放m个数，将n个数切分为k=n/m部分，每个部分载入内存排序，再合并这k个部分。
19 | 问：如何合并这k个部分
20 | 我：在内存中构建大小为k的堆，存放k个部分的第一个元素。
21 | 问：你的想法有问题
22 | 我：哪里有问题
23 | 问：你再想想
24 | 我：不知道
25 | 问：k也可能放不进内存
26 | 我：思考了一下，如果放不进内存，则将k个部分再进行k'=k/m切分，直到k'<=m为止
27 | 问：嗯
28 |
29 | 3.堆排
30 | 我：写出个大概的循环
31 | 4.写下你的merge过程
32 | 我：写了merge_k_linked_list
33 | 问：很奇怪你为什么用链表
34 | 我：因为方便找到后面一个
35 | 问：链表有什么缺点
36 | 我：链表很好啊，可以找到后面一个元素
37 | 问：链表空间消耗太大了，可以用数组。
38 | 我：哦
39 |
40 | 5.还有什么问题
41 | 我：我面试有什么不足的
42 | 问：代码能力需要加强，另外不要果断的说自己的比别人的好。
43 |
44 | 总结：
45 | 感觉很凉，但是收获挺大的。
46 | 1、之前分析问题太过主观，以后合作学习的时候应该以更多包容的心态。
47 | 2、leetcode还是要多练习。
48 |
--------------------------------------------------------------------------------
/国企银行/README.md:
--------------------------------------------------------------------------------
https://raw.githubusercontent.com/liuaiting/mianjing/5457364972ebfccf8c2b4c8af7a2c2f5b009d344/国企银行/README.md
--------------------------------------------------------------------------------
/暑期实习/2018暑期实习面经.pdf:
--------------------------------------------------------------------------------
https://raw.githubusercontent.com/liuaiting/mianjing/5457364972ebfccf8c2b4c8af7a2c2f5b009d344/暑期实习/2018暑期实习面经.pdf
--------------------------------------------------------------------------------
/暑期实习/360_hml.pdf:
--------------------------------------------------------------------------------
https://raw.githubusercontent.com/liuaiting/mianjing/5457364972ebfccf8c2b4c8af7a2c2f5b009d344/暑期实习/360_hml.pdf
--------------------------------------------------------------------------------
/暑期实习/ali.pdf:
--------------------------------------------------------------------------------
https://raw.githubusercontent.com/liuaiting/mianjing/5457364972ebfccf8c2b4c8af7a2c2f5b009d344/暑期实习/ali.pdf
--------------------------------------------------------------------------------
/暑期实习/tencent_hml_数据平台部.pdf:
--------------------------------------------------------------------------------
https://raw.githubusercontent.com/liuaiting/mianjing/5457364972ebfccf8c2b4c8af7a2c2f5b009d344/暑期实习/tencent_hml_数据平台部.pdf
--------------------------------------------------------------------------------
/暑期实习/【秋招】今日头条_hml.pdf:
--------------------------------------------------------------------------------
https://raw.githubusercontent.com/liuaiting/mianjing/5457364972ebfccf8c2b4c8af7a2c2f5b009d344/暑期实习/【秋招】今日头条_hml.pdf
--------------------------------------------------------------------------------
/暑期实习/【秋招】新浪微博_hml.pdf:
--------------------------------------------------------------------------------
https://raw.githubusercontent.com/liuaiting/mianjing/5457364972ebfccf8c2b4c8af7a2c2f5b009d344/暑期实习/【秋招】新浪微博_hml.pdf
--------------------------------------------------------------------------------
/暑期实习/头条-GGY.pdf:
--------------------------------------------------------------------------------
https://raw.githubusercontent.com/liuaiting/mianjing/5457364972ebfccf8c2b4c8af7a2c2f5b009d344/暑期实习/头条-GGY.pdf
--------------------------------------------------------------------------------
/暑期实习/头条_MQ.pdf:
--------------------------------------------------------------------------------
https://raw.githubusercontent.com/liuaiting/mianjing/5457364972ebfccf8c2b4c8af7a2c2f5b009d344/暑期实习/头条_MQ.pdf
--------------------------------------------------------------------------------
/暑期实习/美团&阿里&腾讯.pdf:
--------------------------------------------------------------------------------
https://raw.githubusercontent.com/liuaiting/mianjing/5457364972ebfccf8c2b4c8af7a2c2f5b009d344/暑期实习/美团&阿里&腾讯.pdf
--------------------------------------------------------------------------------
/暑期实习/美团_DUDU.pdf:
--------------------------------------------------------------------------------
https://raw.githubusercontent.com/liuaiting/mianjing/5457364972ebfccf8c2b4c8af7a2c2f5b009d344/暑期实习/美团_DUDU.pdf
--------------------------------------------------------------------------------
/暑期实习/腾讯&美团&阿里-GGY.pdf:
--------------------------------------------------------------------------------
https://raw.githubusercontent.com/liuaiting/mianjing/5457364972ebfccf8c2b4c8af7a2c2f5b009d344/暑期实习/腾讯&美团&阿里-GGY.pdf
--------------------------------------------------------------------------------
/暑期实习/腾讯阿里面试_yh.pdf:
--------------------------------------------------------------------------------
https://raw.githubusercontent.com/liuaiting/mianjing/5457364972ebfccf8c2b4c8af7a2c2f5b009d344/暑期实习/腾讯阿里面试_yh.pdf
--------------------------------------------------------------------------------