小米、搜狗、TW等机器学习算法工程师面试总结

以下机器学习算法工程师的面试题目，出自晓文学习笔记，阅读更多文章，欢迎加入晓文的公众号：

一面：
1、问项目
2、然后是三道笔试题，笔试题做完之后就结束了，笔试题三道题：
1）子数组最大和
2）堆排序
3）数组中出现次数最多的K个数

二面：
1、包含重复数字的无序数组，找到所有加和等于target的索引对。
2、三色旗问题 ，这道题没答上来，已经决定要凉凉了。
https://blog.csdn.net/u011200844/article/details/43227301
3、后面问了一些项目。

总体感觉问简历项目居多，其他方面问的比较少，可能我不太符合这么一个需求吧，面试官说在搜索推荐领域，理解用户的需求是十分重要的，因此可能自然语言处理需要有一定的基础吧。

一面：
1、问简历
2、主要有几道算法题吧：
大数相乘
动态规划题
有重复数字的排序数组的二分搜索问题。

二面：
1、问简历项目
2、有负数存在的排序数组，按照数的绝对值进行排序
3、介绍了一下搜狗搜索这边主要负责的事情

三面：
1、问项目，主要问了你在这个项目中的主要职责是什么
2、从一个矩阵的左上角到右下角，只能向右或向下，一共有多少种走法？有比动态规划时间复杂度更低的算法么？如果有，时间复杂度是多少？
3、如果在上面问题的基础上允许向左走，但是一条路径中每一个位置只能经过一次，问一共有多少种走法，我答了回溯法，问回溯法的复杂度是多少？
4、有什么问题想问我？

一面：
1、链表反转
2、如何预测一家店分品类的销量
这里没有考虑到的一点是：商家可能存在的活动，比如折扣、满减活动、满赠活动等

二面：
1、介绍一个你了解的算法
我讲了SVM。中间问了几个问题
1）几何间隔是什么
2）核函数的作用是什么
2、类别变量，可以不用one-hot么？
3、如果有一万个地理坐标，转换成1-10000的数，可以用决策树么？

三面：
1、问项目

流程非常快。。。

ThoughtWorks面试总的来说体验非常棒，尤其是算法加面的时候，面试官还给我点了美团外卖。

笔试：一道小小的编程项目

HR面：
1、先介绍一下项目
2、哪的人
3、对户口是否有要求
4、期望的薪资
5、为什么不留美团要来TW。
6、一个间断的英语面试，不过我说好几年没学习英语了，面试官就放弃了。

技术面：
1、根据笔试作业，提出新的需求，要自带电脑并接投影仪，面试官看着你写代码
2、问项目
可能面试官非算法面试官吧，也没问很多技术问题。

三天后收到消息，拿到offer了，不过想要是算法工程师的话，需要进行一轮加面。如果加面不通过，可以给软件开发工程师的offer，不管怎样，也算秋招的第一个offer了嘛。

加面：
1、指针网络介绍
2、指针网络／seq2seq的区别／你们的项目可不可以用seq2seq
3、强化学习DQN介绍
4、强化学习的应用场景
这里我说了一个序列决策，比如新闻的分屏推荐
5、完整介绍一下推荐系统
先讲了协同过滤，后来发现讲不下去了，干脆直接讲ctr预估，从传统方法LR、FM、FFM、GBDT+LR到深度学习方法再到强化学习方法。
6、DeepFM介绍
7、Abtest是怎么做的
8、Beam-Search介绍

推荐阅读：

如何拿下10个算法工程师offer，不可错过！

Python绘制玫瑰和佩奇

Python数据分析学习路线个人总结

Python与算法社区

 点个好看