算法面试和实习经验分享

本人是2018届，去年实习拿了阿里算法工程师offer，最终顺利转正，也是看了师兄师姐的经验，饮水思源，于是将自己的总结一份，希望能够帮到师弟师妹。

1. 学习准备

What you want?

想清楚自己要做什么？

• Follow自己的兴趣方向 OR 现在什么挣钱最多？
• 算法对理论和最新paper的学习，而且是长期的，能否承受。
• 算法各大公司HC是最少的，而竞争人数在爆炸增长。

理论基础

1. 基本的算法理论，分类、聚类、优化算法、深度学习······，可以看看《统计学习方法》，吴恩达的公开课，李宏毅深度学习课程。。。
2. 算法的数学推导，如GBDT等。
3. 自己的理解，应用之后的一些看法，如优缺点，应用场景。

编程

刷题，剑指offer，Leetcode，自己动手实现一遍。

语言最好熟悉Java或者C++，Python和SQL要熟练，处理数据和特征工程很重要。

深度学习框架，TensorFlow应用比较广泛，阿里实习时ODPS里面都可以用，PyTorch学术界应用也挺广泛。

实际项目

导师的项目，做的有多深入，理解是否到位，用的方法是否follow最新的paper。

是否发过文章，发在哪一类期刊上面。

比赛项目

比赛赛题的理解。

名次，越靠前越好，拿奖最好。

比赛中承担什么角色，做了哪些工作，自己是否还有能够提高的地方。

总结自己整个过程，做了哪些，为什么要那么做，目前最新的方法是怎么做的。

2. 面试经历

简历

• 简洁：不要超过一页*3，简明写出自己的match的经历，面试的时候再详细聊。
• 奖励：一定要是与职位match的，技术的就不要写学生会、各种水奖励。

面试心得

简单自我介绍，一分钟之内，准备好措辞。

面试时候尽量别紧张，没什么大不了，心态稳一点。

说话之前想好再说，思路要清晰，最好有个草稿纸写写画画。

面试官的问题，一定要问清楚再回答，面对不会的问题，不要说不会，要与多沟通讨论这个问题的解决路径，你困惑的地方，他会给你一些提示。如果实在是完全不会，也可以说没有学过，下去了解下。

如果感觉挂了，面试之后问问面试官，自己哪里还需要加强学习的地方。

HR面不要大意，很多HR都是做技术出身的，实力也很强，即使她不懂技术，表现也要谦卑。

面试问题

阿里投了菜鸟，两轮挂掉，然后又被捞起来，面了四次（其中一次面C++，问我什么水平，我说hello word水平，于是这一面基本算是没面，面试官随便问了些问题），总共阿里面了6面。

下面总结了面试的各个公司的问题（不限于阿里），其中腾讯面游戏部门时候，面试官居然问我玩不玩游戏，王者荣耀什么段位，（可能这造成了我在校招的时候别人都在找工作，而我却在玩王者荣耀），但是主要就说了下自己对于影响和伤害的理解，那个英雄bug，面试官概括说这就是游戏平衡性。

在回答问题的时候尽量基于数学来推理，腾讯有一面和面试官在讨论一个问题时，他说很少有人继续分析为什么，非常地满意。所以有时候回答完，最好再说说为什么。

算法理论

1. LR，SVM，KNN，GBDT，XGBoost，K-means，决策树，PCA等原理和推导，数学上解释其中细节，为什么。
2. 对深度学习的理解，CNN，LSTM原理。熟悉那些深度学习框架。
3. 算法对比，ID3和C4.5却别，XGBoost、随机森林和GBDT区别，Adaboost和Boosting的区别。
4. 损失函数有哪些，自己的理解。
5. 优化方法，如rule对比sigmod优势，是否知道其他的函数。
6. 知道的评价方式，优缺点，如AUC.
7. 如何防止过拟合，L0、L1正则和L2正则，为什么L1正则具有稀疏性，为什么要交叉验证。
8. 不平衡数据的处理方法。
9. 对推荐系统的了解，提升CTR有哪些方法，有哪些Learning to rank方法。

编程&数据结构

1. HBase原理，Hive自定义函数UDF，udf、udaf、udtf区别，gfs和hdfs区别。说说map和reduce。
2. java多线程问题，生产消费者模式。线程和进程区别。
3. 红黑树原理，B树等，排序二叉树，hash表，链表查找时间复杂度。
4. 数据倾斜是什么，怎么处理，Join时候应该注意那些操作避免数据倾斜。
5. Python yield，惰性求值，lambda表达式。
6. Hashmap，TreeMap，LinkedHashMap原理与区别。
7. 剑指offer上题目，如旋转数组等。
8. SQL实现特定功能。

比赛

1. 比赛赛题理解，建模问题。
2. 比赛中耗时最多的部分？（特征工程）；特征工程的看法，如何设计。
3. 细节问题，为什么要这么做，有什么理论依据。
4. 业界常用的方法，最新方法。

基础

1. 计算机网络：如TCP三次握手，浏览器输入地址到返回页面整个过程。
2. 操作系统：线程和进程区别。

智力题

1. 概率问题：从数学上求的概率值而做出结论，不要凭感觉。
2. 淘宝有1亿总量的商品数量，你作为一个用户通过什么办法得到京东的商品总量。
3. size为100的数组，范围是1-101，有两个重复的数字，在线性时间，常数空间下找出这两个重复的数。
4. 一个数组，size为n，对其中n-1个数做加1操作，然后最少经过多少次使得每个数都一样。

交叉面

1. 深度：问一些项目问题，看你的理解程度。
2. 视野：业界有哪些方法。

HR问题

1. 自我介绍。
2. 项目和比赛细节。
3. 介绍那边主要业务，地点，薪资，补贴等各种。
4. 有些HR问了怎么看他们的公司和阿里。

3. 实习经历

实习遇到了很多大牛。主管做了十多年机器学习，一个师兄以前是国外大学老师好像，数学基础很好，成长很快。实习生一个来自UCB的小姐姐，一个双鸭山发论文大佬，一个愣头青（我不说是我）。

1. 找paper，看paper，如何在项目上应用实现。在学校看的英文文献比较少，虽然六级过了，其实阅读能力在直线下降，平时多看看论文至少阅读能力不会下降。
2. 熟悉ODPS，UDF等，在上面做数据预处理，机器学习建模工作。对于算法整个部署的流程，上线都了解了。有很多数据和权限的问题需要和不同的人沟通讨论，也保持存在感。
3. 被Challenge，心态放开，记下被Challenge的点慢慢啃，最终主管对实习的工作还是比较肯定，评价是正式员工的工作完成度。
4. 活动很多，可以认识挺多其他部门的人，还有认识了许多同校师兄。平时组内最多的就是运动，一起打篮球比较多，隔壁组好像比较喜欢王者荣耀开黑。
5. 杭州夏天很热，冬天很冷，饮食的话口味比较清淡。成都才是个好地方。

总结

1. 平时多看看paper，扩展自己的视野和方向，有机会自己发几篇。
2. 基础要扎实，像编程、数学、算法理论。
3. 对于自己的项目或者比赛，好好总结，对于其中的点要揭示出遇到什么样问题，为什么要这么做，比赛做完之后看看别人的代码和答辩视频。
4. 多看看别人面试经验。

时间略长，想起来再继续补充。。。。

其实无论那个岗位，要学些什么自己心里也是有点B number，有时候还是有太多惰性，想要找捷径。记得有一句话，“找一个怪兽，让他追着你，你就不会停下”。

CSDN原文：https://cloud.tencent.com/developer/article/1890992

https://cloud.tencent.com/developer/article/1890990