关于作者
本人魔都某 985 研一,有大半篇 SIGIR（关于推荐系统的）,在实验室这大半年做过一些小项目。实验室是做知识图谱&推荐系统方面的，所以投的都是算法岗，偏向 nlp 方向，且基本 base 都在深圳，面试集中在3月，疫情原因，可以在家安心准备。总体来说非常幸运，每一场面试都学到了很多，也更加清楚得认识到自己小白的属性，下面进入正题。
面试情况
3.11 腾讯teg一面
第一场面试就是腾讯，但还好只是电话面试，相当于开卷，没有特别紧张，基本没有问技术问题，只是简单聊了聊项目，面试中了解到部门主要研究用强化学习算法玩游戏。
- 自我介绍、项目
- 课程
- 简单描述强化学习思想
- 平时打游戏吗
明显感觉互相做的方向契合度很低，所以表现并不好，很快就挂掉了，不过腾讯效率真的很高，第二天就被pcg部门捞了。
3.12 字节跳动
部门似乎更偏向开发，而非算法，问了很多python编程的问题，完全没有准备到，不过还好不是很深。一上来问了四组概念辨析，主要是问之间的区别：
- xrange vs range
- 模块 vs 包
- 浅copy vs 深copy
- L1损失函数 vs L2损失函数（常见题，多角度分析）
编程题：
- 给定一个无序数组，找出其中的中位数，要求时间复杂度O(n),空间复杂度O(1)
- 给定一个旋转数组，找出最小值
3.16 腾讯pcg一面
问的问题很多而且细，由于专业方向比较相关，整个面试持续了接近一个半小时。
- 自我介绍、项目
- Transformer与Bert 机制（模型、区别、缺陷）
- XLNet
- 大数据处理框架（Spark等）
- NLP及知识图谱基础算法（实体连接、实体抽取、隐马尔科夫模型）
- 解决过拟合问题的正则化方法
- LSTM模型（公式、门的设计思想、激活函数）
- 各种激活函数比较
编程题：
- 实现softmax函数
- 旋转数组搜索某个值
- 二叉树直径（最远的两个节点之间的距离）
阿里大安全部门一面
- 卷积及池化操作的作用
- GCN模型及思想
- GAT模型及思想 场景题：
- 怎样用强化学习的方法找出标注错误的数据。
- 怎样将一些特殊的事件信息用于推荐系统，如聊天、转账等信息
- 是否擅长sql
腾讯pcg二面
- 简单聊了一下课程和项目
- 场景题：如果奥运会召开，你能利用知识图谱平台做哪些工作？
- 会C 吗 zoom会议面试，面试官并没有开视频，只持续了15分钟左右就匆匆结束了，而且场景题回答完后对方没有任何回复，也不怎么会使C ，面完还以为要凉了
腾讯pcg HR面
- 本科最骄傲的一件事
- 为什么选择深圳
- 通过前两次面试对工作有多少了解？还有哪些问题？
- 实习可以来多久？
- 有女朋友嘛？
- 是独生子女嘛？
- 最早什么时候入职？
HR小姐姐很守时，很会聊天，所以很愉快，几乎忘了HR面是有可能刷人的，当天就收到了offer。
阿里笔试
- 第一题很简单，动态规划
- 给定一个有缺失元素的矩阵，其中0表示未知数，已知矩阵每一行/列均为等差数列，试将矩阵补全（无法计算的元素输出为-1） 如输入：
输出：
快手笔试
- 字符消消乐（连续三个及三个以上相同的字符可以消掉，如输入：aabbbaac，输出：c）
- 输入一个三位数，用火柴棒摆放，移动一根火柴棒，使得数字变得最大，若无法移动则返回-1，如：输入109，输出705
- 推广k阶的斐波那契数列，数列前k项均为1，从k 1项起满足
输入：n,k 输出：k阶斐波那契数列的第n项
- N个地点中选择k个转运点，使得所有货物运到转运点的代价最小
美团 一面
- 自我介绍、项目
- 给定一个数组，输出能够拼接成的最大值， 输入：[97,301,30] 输出：9730301
美团 二面
- 自我介绍、项目
- 具体介绍了一下业务，提到部门正在做的搜索场景中的实体消歧
- 编程题：不是很难，由于年代久远实在记不得了。
总结
- 算法基础还是挺重要的，尤其是面试中间，思考、试错时间很有限，要求非常熟练。
- 对各种模型，尤其是简历上提到的模型，务必要非常熟悉每一个细节，甚至可能会问到调参经验，以判断是否真的亲手完成项目的每个细节。
- 内容太多了，永远也学不完，要分轻重缓急，详略得当安排学习进度。
- 总算完成了从小白到小白的蜕变，继续努力！也祝各位看官求职顺利~
我把我写的所有题解整理成了一本电子书放在了 github 上，三天内冲击到 github 排行榜榜首！近 5w 人下载阅读！要获取的话，直接进入下方链接就可以了（记得给我点个 star）：
https://github.com/geekxh/hello-algorithm
