算法 面试题 面试经验

下面是好好范文网小编收集整理的算法 面试题 面试经验，仅供参考，欢迎大家阅读！

陆陆续续面试了不少应聘者，主要是算法岗，偶尔人手紧时也会面面java开发岗和数据开发岗，先总结一下算法岗：

评分原则

基本原则

找亮点：我手比较松，一般很少挂人，总是会试图找应聘者的亮点、时间紧时也会让应聘者自述亮点，所以对于应聘者来说最好把自己的亮点准备好，在一个小时的面试时间中尽量展现。

我只问简历上写了的知识点、当然-如果知识面窄是不会拿到高分的。

挂什么样的人

态度恶劣，尤其是傲娇的

答不上来时找各种理由强行解释的，比如说“你问的太细了、这问题太底层了、这问题太偏理论了”等等，这是个学习态度问题，大方承认这是自己的知识盲区并表示会学习补上并不难，每个人都会有盲区、不可耻、可耻的是不敢承认自己的不足、还要为不足强行找理由。

考察哪些方面

coding、算法、数学，面试过程中也会看出一个人的沟通能力、team work能力、学习能力等。

对于转专业

一般会问问他们自学历程+cs基本知识，如果自学时间短、水平也够 -- 那说明此人够聪明、是加分项。

特征工程

离散、连续特征一般怎么处理（onehot、归一化、why、方法 等）；

特征变换、构造/衍生新特征（woe、iv、统计量 等）；

特征筛选（离散、连续、多重共线性 等）；

采样（除了随机呢？）；

缺失值处理（离散、连续）...

机器学习

常用loss、正则、sgd、l-bfgs、auc公式及优缺点、数据不平衡时的调参...

booting：gbdt的loss、分裂节点依据、防过拟合；

xgb的loss选择、泰勒展开、正则（gbdt能加么）、并行、vs lightGBM；

lambdaMart的loss--如何直接优化metric（如NDCG）--学习/train过程；

svm的优化目标、软间隔、调参；

lr；rf；

深度学习

dnn为什么要“deep”、deep后带来的信息传递/梯度传递问题及其优化策略（可以从网络结构、activation、normalization等方面阐述）；

卷积层学习过程（前后向）及参数数量估计；

polling作用、优缺点、why用的越来越少；

rnn长依赖问题、梯度问题；

lstm的input output forget gate作用于哪、gru的update gate呢？

常用loss（分类、回归）、activation、optimizer（从一阶矩估计到二阶）、加了BN后做predict均值方差从哪来、常用的attention举例

强化学习

什么问题适合RL/MLE的缺陷、trail-and-error search、policy-based vs value-based、on-policy vs off-policy等

q learning中q值得更新（其实很好记：当前q值 += 学习率*（环境reward+ 新状态下最大的q值*衰减值）、为什么要乘衰减值）；

DQN使用network代替q_table的初衷、两个network（结构一致、参数交替更新）、存储记忆 off-policy；

policy gradients如何学习/拟合目标（ -log(prob)*vt 像不像交叉熵...）、按概率选action vs epsilon-greedy；

Actor-Critic中的actor与critic、优缺点、收敛问题、DDPG、

以上这些都是考察基本功的、基本都是书上的知识点

NLP

词法/序列标注相关：hmm、crf、lstm、lstm+crf（细节：对于转移特征、转移概率 hmm crf lstm+crf分别是怎么学的？）

句法：有了依存关系 如何确定主谓宾、举几个例子

word2vector：层次softmax、负采样、 vs GloVe

topic相关：lsa（可以引到svd、基于mse的fm）；lda why引入共轭先验分布、调参（针对两个先验）；

+DL：cnn filter的设计、seq2seq+attention的padding问题（对padding的字符如何做attention、如何忽略、用tensorflow/pytorch大致写一下）、tree lstm...

任务相关：beam search做生成、dialog中对回复做lable smooth 提高回复多样性...

CV

（讲真我不太懂、一般简单听听、简单问问、然后回归到基础算法问题上）

是不是直接调的.xxNet、如果是自己设计的结构 请画出来 why这么设计、偶尔聊下GAN 光流网络（因为我只看过这个....）...

项目

这个就太广了，不好列举具体问题，总之就是聊聊：项目背景、问题、解决方案（how、why）、效果，如果答的磕磕绊绊、被认定为虚假项目 or 蹭项目 妥妥的扣分项，否则依据项目难度加分。

coding

我一般会先问问应聘者刷了多少题，再根据他的专业出一道我觉得他能答上来的题，根据题目的难易和答题情况给分。常问的是二分及其变体，别觉得二分简单，其各种变体和边界条件的考虑也是挺麻烦的。还有dp、dfs、树相关的算法。

数学

十有八九都是概率题、概率题中十有八九都是条件概率。

智力题

讲真、我不出智力题、脑筋急转弯题，这种题如果见过一般秒答、没见过很难想到方案，关键是我无从判断他是否见过、个人觉得意义不大。

另外这里有一个200G人工智能学习大礼包，有需要的在评论区回复【我想要】，会第一时间发送到大家手上。

[人工智能资料包大纲]

【第①部分】超详细的人工智能学习路线

【第②部分】人工智能必看书籍（AI宝藏电子书这里都有）

【第③部分】60份人工智能行业报告（想了解人工智能行业前景就看这！）

【第④部分】人工智能快速入门视频教程合集

【第⑤部分】计算机视觉应用项目及其源码

【第⑥部分】自然语言处理应用项目及其源码

【第⑦部分】人工智能论文大合集