19校招阿里騰訊華為美團演算法崗面經，均已拿offer | 掘金技術徵文

應邀請來參加技術徵文。本人2019年畢業，目前2019秋招已結束，拿到了阿里巴巴，騰訊，美團，華為的機器學習演算法工程師offer，來到這個網站與大家分享面經。

先介紹一下樓主背景，985本+美國專排top15碩，有Amazon+Intel+美團的實習，現在秋招結束了，來回饋廣大網友！

---

美團AI演算法提前批(已拿兩提前批offer和一個轉正offer)

提前批 第一輪： 應邀參加了7月17號清華雙選會，在現場先是各個部門介紹自己的演算法團隊。 一人可以選兩個部門面試，每個面試就大概15min-30min 兩個部門共問到的問題有（模型多是根據專案問）：

1. xgboost原理，怎麼防過擬合
2. gbdt推導
3. boosting和bagging在不同情況下的選用
4. DBSCAN原理和演算法虛擬碼，與kmeans，OPTICS區別
5. LSTM原理，與GRU區別
6. 演算法題：翻轉中間由各種符號隔開的字串 然後就說回去等通知

第二輪第三輪： 7月20號在望京，每個部門兩輪 共問到：

1. EM演算法推導，jensen不等式確定的下界
2. xgboost和lightgbm的區別和適用場景，推導xgboost
3. LR的推導，損失函式
4. gbdt推導和適用場景
5. DNN的梯度更新方式，把momentum，RMSprop，Adam的公式寫出來
6. 演算法題：2sum，3sum，4sum
7. 演算法題： 從右邊看被遮擋的二叉樹，求露出的node
8. 概率題，抽藍球紅球，藍結束紅放回繼續，平均結束遊戲抽取次數

第四輪： hr面 就聊聊人生聊聊理想

7月23-24號左右，兩天把offer都發了，讓意向選擇，我說想等我的轉正面結束再選擇，因為我還有一個部門的轉正機會。

轉正面： 主要就是介紹了實習期的工作，討論做得好和不好的，然後寫了一個快排一個歸併，聊聊各排序演算法的複雜度，穩定性，適應性，較簡單，之後就是hr聊了聊。

總結：美團面試比較喜歡考察演算法題，和白板寫bug-free的程式碼

騰訊技術研究-機器學習提前批(已拿offer)

騰訊一面，電話面

1. 扣簡歷的專案，扣的很細
2. xgb，rf，lr優缺點場景。。。真的逢面必問，有不瞭解的可以留下評論，我可以提點拙見，最好還是自己去網上扣一下這題
3. 演算法題，單連結串列判斷是否有環 (leetcode easy)，以及判斷環入口
4. 演算法題，給前序和中序，求出二叉樹
5. 是否寫過udf，問udaf，udtf區別和一些細節

騰訊二面，電話面

1. 扣專案，問簡歷，其中涉及的演算法和上面差不多
2. 問推薦演算法，fm，lr，embedding
3. 演算法題，10億個32位正整數，求不同值，只給1GB記憶體。。。我只答出來4GB的情況，時間負責度還不是最優的，所以穩穩涼了，如果有人知道怎麼解1GB，求回覆，感謝

騰訊三面，onsite

1. 演算法題： topK給出3種解法
2. 演算法題：二叉樹的最大深度和最小深度
3. 協同過濾的itemCF，userCF區別適用場景
4. 扣專案，問簡歷，其中涉及的演算法和上面差不多
5. 對專案中一些技術選型產生質疑，並友好的一起討論了這個問題
6. 推薦系統的大概步驟，解決冷啟動。。。

騰訊四面 最後技術總監面，onsite

1. 演算法題：名人問題，給出最優解法
2. 問了一下專案和簡歷
3. 自我評價優缺點，怎麼改進
4. 描述一個演算法專案從kickoff-落地的全過程

騰訊五面 總監面完立刻就hr面了

hr面就是常見的問題，城市啊，薪資待遇啊，對部門的評價，對總監的評價 然後就在系統中提示offer報批中。。。

總結：騰訊面試會考一些業務中多遇到的問題，同時也很注重產品與技術的互動

阿里機器學習演算法工程師(共面了兩個部門，一個社招流程一個校招流程，拿了校招流程的offer)

校招部門： 一面：

1. 扣簡歷，問得太細了，每個專案都要回答如果再做一次，有什麼改進的地方，演算法上和模型選擇上改進的地方，同時對專案中技術要點聊得很細
2. 演算法題：反轉連結串列
3. 演算法題：trim二叉搜尋樹
4. 其他模型題都是在問我做的專案時同時穿插這問
5. 非常友好的給我介紹了半小時這個部門做的事情，面試官真的非常友好，而且給我描述的很細，讓人非常有慾望去

二面：

1. 扣簡歷
2. CNN為什麼比DNN在影象識別上更好，這題我答得很爛，有好答案的歡迎留言
3. LSTM內部的cell長啥樣，有幾個gate，分別怎麼求出來的
4. 資料傾斜怎麼造成的，怎麼處理資料傾斜問題
5. 用mapreduce實現10億級以上資料的kmeans
6. rf和gbdt基分類器區別，裡面的決策樹分別長啥樣，怎麼剪枝
7. 說一下gbdt的全部演算法過程
8. 演算法題：醜數

三面：

這面是總監面，主要根據我的經濟學背景，沒有寫題，只是討論一小時怎麼把經濟學的知識帶到演算法領域。考察我的交叉背景。 其實這面是最難的，非常不好回答很多問題，但這些問題對大多數牛友沒意義，所以就不分享了，有相同經濟學背景的想知道可以私信我。

四面 (交叉面)：

1. 聊了簡歷上做的專案，對其中一些專案做得不太滿意，問我一些改進的方式
2. XGBoost推導和優點
3. 介紹了LSTM，裡面的每個gate是幹什麼，怎麼得出的，並與GRU做了對比
4. 讓我挑一個最熟悉的模型講，我說都可以，於是他問了GBDT，FM和FFM模型
5. 也聊到了我做演算法的初心，為什麼一個經濟學的來做演算法，有哪些優勢，同時也給了我很多建議，希望我打牢基礎，很感謝他的建議

hr面 (視訊面)：

聊了一個小時

1. 怎麼理解大資料
2. 怎麼理解演算法
3. 資料的價值在哪
4. 怎麼看待資料販賣，對還是不對
5. 怎麼看待阿里，和其他公司比較，why阿里

另一個部門面到4面交叉面後就結束了，沒有hr面，應該是涼了或者進備胎池了 具體就不說了，因為沒拿到，總之套路差不多，我搞砸了3面總監面，很砸很砸！

總結：阿里的任何一面都不能搞砸，感覺有一面B+了，基本就進備胎池涼了。阿里除了問技術，更會問一些你能為團隊帶來什麼的問題，和一些開放性問題

華為演算法工程師(hr說面試通過了，等流程，但具體offer還沒有下來)

海外視訊招聘，一共兩面，沒什麼特殊的，比較少見的是問了C語言的常見坑和解決辦法，其他基本差不多，整個過程感覺不太一樣，感覺華為的面試確實不怎麼考察技術。也可能是我太爛了。

如果大家覺得這篇文章有用，求點贊評論，畢竟是來參加這個技術徵文比賽，我的非科班演算法自學之路和一些學習方法寫在了這篇文章，也歡迎大家關注： juejin.im/post/5ba1a5…

我在參加掘金技術徵文?徵文活動連結