20170727
搜狐面试算法实习生 岗位搜狐后台开发(机器学习NLP)
10:00--11:10
1、首先自我介绍，blabla简单介绍了一下本科研究生学校专业方向，面试官开始问研究生期间主要做的项目，说到文章自动评价，面试官觉得很新颖，这个文章数据如何处理，(讲道理以后可以不讲这个了，大家都听不懂，而且数据预处理的方法很少，数据清洗也没太多可讲的，以后面试自我介绍完就应该吹一下其他项目),然后面试官就没再具体问这个
2、开始转向问算法，讲讲逻辑回归吧，大致讲了一下
3、面试官说让写一下逻辑回归的公式，目标函数。然后让讲线性回归和逻辑回归的区别，公式推导
4、SVM,LDA,狄利克雷分布,RNN,LSTM原理及其推导公式
5、讲讲数据挖掘任务常用流程，如何做特征工程
6、讲讲决策树、信息增益，ID3,C4.5,随机森林、GBDT,还有哪些集成学习方法
7、kaggle竞赛这个做了什么
8、Python中列表list和字典dict的区别,复杂度。dict是如何实现的。dict的优点和缺点
9、知道哪些排序算法，复杂度都是多少
10、给定一堆整形数据，给定很大的存储空间，从中查找一个整数，要求经常会进行查找
11、平常用什么编程语言
PS:面试官建议多看看数据挖掘基本算法推导，面试前准备一下这些。由于该职位是搜狐邮箱后台开发，上层应用机器学习算法，而那些机器学习研究工作使用的语言是C/C++,如果需要的话会一点这个还是不错的

20170731
百度渡鸦科技自然语言处理实习生
1、自我介绍
2、讲一个印象最深的项目和其中遇到的难关是如何克服的
3、讲一下词向量
4、神经网络的训练过程，调参，各种理论

20170822
美团机器学习算法校招内推
一面，电话面试
1、首先自我介绍，简要介绍了研究生期间工作
2、随机森林和GBDT的区别和联系
3、逻辑回归和朴素贝叶斯的相似点和不同点
4、讲讲深度学习框架keras的使用方法、流程
5、RNN和LSTM的区别，LSTM对RNN做了哪些改进
一面通过

20170823
美团二面，视频面试
1、自我介绍，介绍完了就开始将项目一，面试官针对项目1提出了一些问题
2、接着讲项目2，项目3，这些项目都是和数据挖掘相关的竞赛和实践，难得有一个面试官听我把所有的项目都讲完了，还听得挺仔细，感动。
3、随机森林和GBDT的区别和联系，我就从决策树到随机森林到GBDT都讲了一下，并比较了他们的区别。
4、逻辑回归的损失函数是什么
交叉熵
5、为什么逻辑回归中使用交叉熵而不是其他的损失函数如MSE，RMSE，最小二乘？
因为和线性回归相比，线性回归的误差是符合高斯分布的，对该分布的似然函数求解得到的结果就是最小二乘的形式。
而逻辑回归的分布形式是符合伯努利分布的，针对其似然函数的求解的结果是交叉熵的形式
此外，还有一个原因在于，如果对逻辑回归使用最小二乘进行求解的话，目标函数是一个非凸函数，在求解的时候会出现很多极值点，也就是最后的求解会出现局部最优解。而交叉熵的函数是一个凸函数，可以求到全局最优解。
6、卷积神经网络中，池化层包括max-pooling,average-pooling,random-pooling,分析一个使用这几个池化层的区别。
7、你有什么问题要问的？

20170825
美团三面，现场面试
1、自我介绍，介绍的时候面试官顺便看了一下之前几轮面试官的评价。
2、讲做过最有挑战性的项目，面试官针对项目中提了几个问题
3、bagging和boosting的区别？
booststrap、bagging、boosting、随机森林、GBDT这些问题面试时候问了太多次了。。
4、算法题：在一个长度为n的列表中，里面的值都是整形数字，要求找出数值最大的k个数字。
我讲了直接排序（复杂度nlogn），冒泡排序（nk），快速排序（n），面试官说有没有什么优化的，假设n特别大的话，而且不想对原始数组修改太多元素，，剑指offer上有这个题。
5、面试官说上面提到了冒泡排序，那就写一歌冒泡排序吧，刷刷刷写完了，面试官让对它进行优化，想起来一个短路冒泡，思路是假定前一轮如果没有进行左右元素修改了就代表循环结束了，不用再进行下面的循环了，加一个修改符就好了。面试官又让进行优化，如果某一轮只在前面列表的前面几个元素进行了修改，下一轮修改时只需要循环前面的轮次就好了，相对于上面，只需要记住修改的位置index即可。
6、你有什么要问的？
PS：因为这次面试官时间安排比较仓促，还是在一个星巴克面的，下一波面的人也来了，这次面的内容就比较少。

20170907
美团HR面，电话面试
1、这次三面和HR时间相隔很久，HR吐槽了一下我的手机一直打不通，醉醉的。。不知道怎么到晚上手机信号就不好了，所以这次是下午给我打的电话。
2、HR面相对前面的技术面就轻松愉快很多，HR让我简单介绍一下自己的情况，由于HR不懂技术我就简要介绍了一下做了哪些项目，都有哪些成果，具体的实现细节就没有再讲
3、面试官问了一下问什么来美团，为什么要来这里
4、有没有拿到其他offer
5、对薪资有什么要求，为什么这么要求
6、今年美团的标准还没有出来，预计10月份之前会给意向书和薪资标准
7、以后多联系

2070915
美团HR打电话通知给口头offer

20170924
美团HR打电话通知十一后发放意向书

20170822
阿里菜鸟校招内推
1、自我介绍
2、讲竞赛项目，回归问题为什么会用到逻辑回归
3、讲项目2
4、如何评价一个问答网站中回答的质量
5、简单的逻辑智商测试

20170823
今日头条机器学习算法实习
第一轮面试
1、自我介绍
2、讲项目，提问
3、讲讲django如何使用，做了什么（简历中提到了django）
4、讲讲爬虫爬了些什么（简历中提到过爬虫）
5、写算法题：如何求一个浮点数的开方
我写的是二分查找，回来查了有说用牛顿迭代法的

第二轮面试
1、讲项目
2、讲一下GBDT，我就顺便讲了一下决策树和随机森林
3、决策树中信息熵和信息增益都指的是什么
4、项目3中用户画像中是怎么使用到CNN的，我说是结合Word2vec使用的
5、写算法题：给定一个数字n，求n个左右括号的全排列使的其符合一定规律的所有组合方式

20170828
好未来机器学习校招
第一轮笔试，上午10:00-11:00
由于面试官们去开会了，原定的初试被改成了笔试，一共有5道题
1、第一题是一个算法题，leetcode上原题2sum
https://leetcode.com/problems/two-sum/
2、第二题算法题：给定两个文件A和B，A中是一个一亿行的文件，每一行是一个url链接，如 https://minning.github.io/2017/05/08/%E4%BD%BF%E7%94%A8itchat%E8%BF%9B%E8%A1%8C%E8%87%AA%E5%8A%A8%E5%A4%A9%E6%B0%94%E9%A2%84%E6%8A%A5/， B中是一个一万行的文件，每一行是一个domain信息，如 www.baidu.com,我们的目的是生成一个新文件C，使其数据在A中出现而没有在B中出现过。
3、一道cache相关的LRU的题目
4、图解ROC曲线及其使用情况，公式化表示
5、推导逻辑回归的cost function

第二轮面试，上午11:10-12:40，面试时间一个半小时
接上面笔试后，面试官看了一下我们所有人的答题纸情况，然后就把我叫去了。
1、自我介绍，介绍完就开始讲项目，面试官针对项目提了几个问题
2、面试官拿着笔试题，让我讲了一下ROC曲线和2sum那道笔试题
3、讲简历上出现过的算法的原理，针对线性回归提了很多问题，线性回归的应用场景有哪些，适合处理什么样的数据，函数表达式，损失函数
4、讲讲随机森林和GBDT的区别和联系
问的很细，包括其中使用的分类树、回归树，boosting，bagging，RF、GBDT的目标函数
5、分类和回归的区别和联系，能否互相转换
6、机器学习任务的评价标准包括哪些
分类：PRF，ROC，AUC
回归：MAE，MSE，RMSE
皮尔逊系数、一致性相关系数
7、你有什么要问的？
PS：这个面试官问的特别细，每一个算法都分为分类、回归来问，每一个都针对目标函数、损失函数来问，细节注意需要很多。因此准备面试的时候这些理论需要了解的很详细。

9月5号发邮件通知拿到了提前批Offer

20170830
小米机器学习校招
第一轮面试
1、自我介绍
2、讲项目，问的很细，针对具体的数据处理、建模过程进行描述
3、算法题：
斐波拉契数列

第二轮面试
1、讲项目，针对项目中的word2vec提问
2、逻辑回归、线性回归，GBDT的应用场景及其区别
3、牛顿法和梯度下降法
4、正则项的作用
5、算法题：
求一个数开根号

20170910
搜狐畅游实习自然语言处理
1、自我介绍
2、讲项目，从头到尾怎么做的，如何进行集成的
3、讲集成的原因，GBDT和随机森林、决策树介绍
4、问编码能力如何
5、给一个任务，客服机器人对话系统，如何针对用户的提问给出相应的回答，数据量6万语料
答：针对提问处理，找出相同的提问，针对答案处理，找出共同点

20170915
HR打电话给offer

20170915
中移在线校招
第一轮面试
略过

第二轮
1、两道算法题，第一题是旋转列表的最小值，第二题是求长度为n的列表的Top K元素。
https://www.nowcoder.com/practice/9f3231a991af4f55b95579b44b7a01ba?tpId=13&tqId=11159&tPage=1&rp=1&ru=/ta/coding-interviews&qru=/ta/coding-interviews/question-ranking
https://www.nowcoder.com/practice/6a296eb82cf844ca8539b57c23e6e9bf?tpId=13&tqId=11182&tPage=2&rp=2&ru=/ta/coding-interviews&qru=/ta/coding-interviews/question-ranking
分别用几种方法写出了答案
2、问项目，提问，各种算法原理
3、GBDT如何做回归

第三轮
1、问项目，项目中特征构建方法、模型使用方法
2、LSTM画图描述，LSTM细节提问、画图，有没有了解最新的LSTM研究进展
3、最近看了哪些论文，平常如何关注NLP的最新消息
4、对实体识别、语法分析、语义分析的理解，使用过哪些NLP包
5、SVM和LR的异同
6、有什么想问的？

现场给口头offer

20170920
猫眼
第一轮面试
1、自我介绍
2、项目中最大的难点是什么，讲了一下模型效果提升是最大的难点，然后讲如何提升效果，讲细节时被打断，开始问基础题
3、讲讲线程和进程
4、项目中爬虫都做了些什么，如何处理反爬
5、讲讲TCP和UDP
6、七层网络协议
7、熟悉哪些常用linux命令
8、写单例模式代码
9、算法题：一个数组中，有一个数只出现过一次，其他数均出现过两次，找出那个只出现过一次的数
对所有数求异或，结果即为所求
10、算法题：公司里有一万名员工，对员工年龄进行排序，输出排序后的结果
11、算法题：对一个有序的数组，对其进行二分查找，找出目标元素，已知目标元素可能存在多个，找出目标元素对应索引位置的起始值和结束值

PS：这些问题一度认为不会考的，毕竟是数据挖掘面试，然而猫眼还是考了。参加的其他数据挖掘面试从来没考过这些问题。基础的计算机知识，还是要复习看一下的。