求职刷题神器

funit.cn

讨论区 > 求职面经 > 腾 讯 机器学习算法面经

腾 讯 机器学习算法面经

狂恋HlPHOP
发布于2021-01-26 15:05:17 140浏览
一面

1.自我介绍

2.涉及到的实习经历?如何构建特征?

3.分类模型怎么构建?(跟自己实习内容有关)

4.共享屏幕画GRU4Rec时序推荐模型的结构。(主要是负采样了)

5.推荐的评价指标有哪些。

6.归一化了解过哪些。

7.写LR的loss(这个是自己挖坑,本来只让说一下,当时共享屏幕,所以我就说了那我写出来吧,但感觉又会推导,所以想一步直接写出来最后的结果,就是经过sigmoid处理,差点翻车。。还好最后写出来了)

8.手撕:找出数组中第K大的数。leetcode原题,要求O(n)。


二面

全程被问“还有吗”,面试官很厉害一直在深挖东西,感觉被掏空

1.自我介绍

2.问非计算机学院的,学过计算机基础的课程吗?他提了一下计算机网络(瞬间慌了,这是我学过最差的课了。。)还问了解过一些基础算法不是机器学习的算法,比如贪心搜索等等的。(还好用过)

3.说一面面试官已经问过项目了所以不再问了。。。(接下来就是疯狂问模型还有原理)

4.首先讲一个自己最熟悉的机器学习的模型/算法。(我讲了一下树模型)

5.RandomForest和XGB之间的差别。(讲了大概五六个点他表示比较满意)

6.追问:为什么RF关注方差,XGB关注偏差。

7.追问:XGB并行化如何实现。(自己讲了两三个点。问还有吗?再讲了一两个点)

8.追问:XGB对GBDT的改进的地方有哪些。(自己讲了两个点。问还有吗?再讲了一个点。再问还有吗。。)

9.追问:XGB使用正则项防止过拟合,L1和L2两个的原理是什么。(回答了L1,L2的作用,他说我回答的是这两个的结果不是原理,想知道为什么?自己有10.点想不起来,随便说了一下,他表示不太满意,说这方面还需要加强学习。)

11.LightGBM和XGB的区别(改进的地方)

12.追问:LightGBM如何并行化。

13.追问:防止过拟合的方法有哪些(讲了三四个点吧。。追问还有吗?再讲了一个点?再追问???陷入沉思中,他说你刚刚回答的都是从模型和结构上相关的角度,有没有其他角度??我大概就是用过上面说的那些了。他说没有用过但是知道的也可以说一下。又从数据的角度讲了一些。)

14.用过分布式计算吗?做过大规模数据吗?(瑟瑟发抖说数据大概百万级。他说那肯定不需要分布式了,分布式都是亿级以上,好的没事这方面也是和业务相关以后还是要多学习。我说好的好的。还好在这个点没有为难我,无限感恩。)

15.算法题:找出数组中a+b=c的组合,其中abc都在数组里面。时间空间复杂度?

快要结束的时候,面试官和我聊了一下组里有四五个和我同校的师兄师姐,都很不错。有被惊喜到,第一次感受到母校强大的光环,感动师兄师姐都太棒了沾了福气


三面

全程问的技术问题就三个吧

1.RF和GBDT、XGB和LGB的区别、优化(没问得很细)

2.在IEG做的项目基于什么平台?

3.深度学习应用在推荐系统的发展?

4.手撕:青蛙跳台阶,吃虫子,青蛙每次只能跳一阶或者二阶台阶,每个台阶的虫子是一个数组a[m],青蛙最多只能跳n次,其中0<m<1000,0<n<100,问5.青蛙怎么样吃到最多的虫子?

6.反问。聊了一些业务~非常亲切nice


HR面

一些常规问题。感觉真诚一些自信一点好好回答都没问题的~


总结

关于算法基础,楼主是属于看东西比较慢但基础比较扎实一点点的人,对于简历上提到过的每一个算法都要真的会~

面试过程心态也要放好,记得看过一句话,面试是一个互动的过程,面试官也是希望问到你会的相关的东西,也庆幸一下自己遇到的面试官都超级nice,问到一些我不会的都会稍加引导和暗示,整个面试的过程都学到了很多东西。

关于做题,2020年之前还没有刷过leetcode,用了将近一个月的时间做完剑指offer和80%的leetcode hot。

有努力就会有收获,最后祝大家都能收到心仪的offer(^▽^)~

本文首次发布于趣IT ,转载请注明出处,谢谢合作

腾 讯 机器学习算法面经

全部评论0

成为第一个评论的人

还可以上传7

表情
  • 快速扫码进群
    加入职友圈
下一步
知道了