作者 | Miss 
整理 | NewBeeNLP
进NLP群—>加入NLP交流群
PS.这篇文章中的公司我也都有面过，问题真的差不多甚至一模一样，所以面经分享还是很有帮助的！

个人情况

双非本科，985研究生，研究方向自然语言处理，比较渣，大概从19年6月份开始准备秋招，大部分压在了提前批，七月份疯狂投简历，投了大概有二十几家，收到面试的有五六家。其中作业帮收到意向offer；百度确定已有offer，国庆节左右谈薪资；京东已收到录用函，职位软开。

百度 算法岗（提前批，百度地图）

共三面，可以说三面都是技术，不过第三面夹杂了点职业规划。

一面（90min）

  • 自我介绍+项目提问
  • 机器学习算法都用过哪些
  • 说一下决策树吧，节点划分有哪些方法，如何剪枝
  • SVM了解吗？有什么优点？优化方法？
  • Bagging和boosting
  • 有什么想问的（问了部门方向之类的）

二面（100min）

  • 自我介绍+项目提问+实习经历提问
  • Batchnorm了解吗？
  • 你知道哪些优化函数？
  • 为什么xgboost效果不如随机森林？
  • 选取了哪些特征？
  • 机器学习的优化方法了解吗？
  • 相似度计算除了神经网络的方法还有什么方法？针对文本和离散特征的情况呢？
  • 我看你本科学硬件的，传感器了解吗？
  • 手机上有哪些传感器？（可能是手机地图的部门）
  • 情景题：如何检测藏头诗？机器学习可以吗？神经网络呢？为什么可以？如果不是诗句，普通的文本如何检测是否有人为的编码信息？有什么思路？（情景题是考验思路，一定要灵活，不对也没关系，找到问题的几个关键点，先弱化其中几个关键点，再提出思路，一步一步解决）

三面（60min）

  • 项目提问（占据大部分时间）
  • 如果产品向你提出了不合理的要求，你如何处理？
  • 有没有很深刻的受打击的经历？
  • 如何看待工作压力大的问题？
  • 平常如何释放压力？
  • 如果我给你offer，你有多大几率会来？
一周后收到offercall，总体面试体验极好，面试小姐姐说唯一遗憾的是电话面试，没能面到代码能力，不过觉得我比较match，给了offer，真的是面试体验最好的一次了。

寒武纪 算法岗

共一面，未过。之前拿到的免笔试直接面试资格，很晚了才通知面试，估计是走个过场。
  • 浅copy和深copy的区别
  • Python中的self关键字
  • 类的继承
  • 完全二叉树的概念
  • 一个具有N节点的完全二叉树深度是多少（ [log2n]+1）
  • 链表与线性表的区别（答错了，把线性表和顺序存储搞错了。。。）
  • 介绍一下第二个类案推荐的项目
  • 为什么使用transformer？
  • 分层的结构会破坏文本的连贯性吗？
  • 目前有多少数据？

作业帮 NLP算法岗

共三面。一周后收到录用意向书。

一面

  • 项目提问
  • 给出前序遍历和中序遍历，重建二叉树
  • 旋转链表

二面

  • 项目提问
  • N3的木板，用13的块铺满，有多少种方案？（动态规划）
  • 旋转数组找最大值

三面

  • 感觉我们面试官怎么样？
  • 说说你对作业帮的了解
  • 你对薪资有什么期望？
  • 机器学习和深度学习你希望从事哪方面的工作？
  • 你希望的工作环境是什么？
  • 能来实习吗？

科大讯飞 自然语言处理算法工程师

共两面。一面较简单，二面未过。

一面

  • 自我介绍
  • 你使用过的优化器有哪些，简单介绍一下
  • 类案推荐项目结果怎么样，如何评测的？
  • 一篇文书里面多个案件的情况是如何处理的？
  • 长文本的问题是如何解决的？

二面

  • 项目提问
  • 你在项目中属于什么角色？
  • 遇到不会的问题一般怎么解决？
  • 师兄对你帮助大吗？
  • 合肥和北京你想去哪里？
  • 对薪资有什么要求？

追一科技

共一面，未过。
  • 项目提问
  • 知道graph神经网络吗？听了几次都没听清什么网络，说不了解，了解胶囊神经网络，实际上我了解图神经网络。。。。。。
  • 看论文的频率是多少？
  • 你应该多关注一下其他领域的东西，拓宽一下知识面，虚心接受
  • 说自己也在做法律文书方面的东西，有共同语言
  • 然后就开始说组里的人都很牛逼，大部分是博士，最次都是清北的。。。。。说了有接近20分钟。。。。。。原谅我这渣硕没资格

腾讯 技术研究-自然语言处理

共一面，未过。怼得体无完肤，太难了，太全面了，原谅我太菜。
  • 了解XGboost吗？
  • 随机森林和XGboost什么区别？
  • 隐马尔科夫了解吗？
  • 朴素贝叶斯与贝叶斯有什么区别？
  • LR和SVM什么区别？
  • LSTM里面有哪些门，为什么用这些门？
  • LSTM里面为什么有些激活函数用sigmoid，有些用tanh？
  • 对于多任务模型有哪些最新进展？
  • 从理论角度讲解一下基于不确定性平衡多任务各个loss的原理以及合理性
  • Bert了解吗？
  • Bert里面位置向量的作用是什么？有哪些生成方式？
  • XLnet了解吗？
  • 为什么XLnet效果比bert效果好？
  • Word2vector原理，优化方法？
  • 聚类的算法有哪些？评价方法？优化算法？
  • 情感词在情感计算中的如何计算情感？
  • 情景题：有上亿的邮件，如何聚类？应该从哪些方面考虑？
  • Kmeans与kNN什么区别？
  • Kmeans的缺点？如何改善？
进NLP群—>加入NLP交流群
知识星球：NLP学术交流与求职群
持续发布自然语言处理NLP每日优质论文解读、相关一手资料、AI算法岗位等最新信息。
加入星球，你将获得：
1. 最新最优质的的论文速读。用几秒钟就可掌握论文大致内容，包含论文一句话总结、大致内容、研究方向以及pdf下载等。
2. 最新入门和进阶学习资料。包含机器学习、深度学习、NLP等领域。
3. 具体细分NLP方向包括不限于：情感分析、关系抽取、知识图谱、句法分析、语义分析、机器翻译、人机对话、文本生成、命名实体识别、指代消解、大语言模型、零样本学习、小样本学习、代码生成、多模态、知识蒸馏、模型压缩、AIGC、PyTorch、TensorFlow等细方向。
4. NLP、搜广推、CV等AI岗位招聘信息。可安排模拟面试。
继续阅读
阅读原文