面试锦囊之面经分享系列，持续更新中 

NewBeeNLP后台回复"面试"加入讨论组交流吧 

写在前面

本人北邮渣硕一枚，暑期实习投递方向为nlp和机器学习，实验室研究方向不是很match，主要是自学。下面是一些算法面经总结（PART I ）

360

一面（1h）

过程就是我不停的给自己挖坑，面试官不停的指坑，然后我不停的填坑

• 自我介绍
• 讲下attention在seq2seq中的用法，transformer中self-attention
• 介绍RNN、LSTM、GRU并比较
• 多分类的评价指标
• 二分类的评价指标
• 解决样本不平衡的方法
• 介绍一下有哪些集成算法
• 讲一下偏差、方差、噪声
• 介绍BN
• 比较随机梯度下降、批量梯度下降、小批量梯度下降
• 手写LR的目标函数

二面（<30min）

• 自我介绍
• 介绍比赛
• 知道机器学习中哪些分类模型，讲下它们的区别
• 聊人生聊理想......

hr面（<30min）

• 自我介绍
• 评价自己优缺点、兴趣爱好、平时怎么学习算法、未来规划等等

腾讯PCG

一面（30min，电话面）

• 自我介绍
• 3个比赛面试官都问了一下，主要是询问尝试了哪些模型，哪些改进提升较大
• 讲下bert
• 维特比算法，刚准备讲，面试官说告诉我时间复杂度就行

二面（快两个小时，牛客视频面）

• 自我介绍
• 讲下bert，讲着讲着面试官打断了我，说你帮我估算一下一层bert大概有多少参数量
• bert里add&norm是什么以及作用
• 接上一问，自己讲了下normalization
• 了不了解bert的扩展模型，roberta，albert
• bert源码里mask部分在哪个模块(没太听懂，现在回想大概是指BertForMaskedLM？)
• 用tensorflow还是pytorch，说几个你印象比较深刻的函数API
• 手撕代码，面试官原创，第一个题是按行读入一个文件A，将内容倒序输入到文件B，第二个题是输入一个字符串，输出所有可能的混淆字符串，写完之后面试官直接去跑了看结果

58同城

58同城的AI lab，问的东西范围很广，收获很大

一面（1h）

• python中list和tuple的区别
• python中__call__函数什么作用
• python中dict怎么按照key排序
• python中list里字符串怎么拼接在一起
• pytorch怎么搭模型
• train和eval有什么不同
• 估计一下bert的参数量
• roberta和bert在预训练时的不同
• bert如何mask
• BN和LN的不同
• 防止过拟合的方法
• 早停具体怎么做
• skip-gram和CBOW有什么不同，哪个性能更好
• 交叉熵损失函数公式
• LR和SVM哪个对异常点比较敏感
• 口述算法题：最长公共前缀、寻找旋转排序数组中的最小值

二面（25min）

• python中函数形参*和**是什么意思
• python中list和tuple的区别
• 口述算法题：10亿int型整数，找出不重复的数字，内存限定2G
• LSTM中输入、隐藏层、输出的维度都一样吗
• LSTM中步长改变，参数改变吗
• 估计一层LSTM的参数量
• textcnn和lstm相比有什么不同
• 如何利用朴素贝叶斯进行文本分类

快手

一面（1h）

• 自我介绍
• 询问比赛，调参，赛后还有别的什么想法吗
• 介绍roberta，为什么选用wwm
• 介绍几个除了bert之外的模型
• adamW
• BN的原理、作用以及训练测试时的不同
• dropout的原理、作用以及训练测试时的不同
• L2正则化
• 口述SVM整个过程
• 手撕代码，lc542改编

一面小哥超级好，表白~

二面（25min）

• 自我介绍
• 询问比赛，问的比较多
• 手撕代码，二叉搜索树求第2小

hr面（电话）

拿到口头offer啦