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）：
- xgboost原理，怎麼防過擬合
- gbdt推導
- boosting和bagging在不同情況下的選用
- DBSCAN原理和演算法虛擬碼，與kmeans，OPTICS區別
- LSTM原理，與GRU區別
- 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：
- EM演算法推導，jensen不等式確定的下界
- xgboost和lightgbm的區別和適用場景，推導xgboost
- LR的推導，損失函式
- gbdt推導和適用場景
- DNN的梯度更新方式，把momentum，RMSprop，Adam的公式寫出來
- 演算法題：2sum，3sum，4sum
- 演算法題： 從右邊看被遮擋的二叉樹，求露出的node
- 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
- 扣簡歷的專案，扣的很細
- 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
- 演算法題，單連結串列判斷是否有環 (leetcode easy)，以及判斷環入口
- 演算法題，給前序和中序，求出二叉樹
- 是否寫過udf，問udaf，udtf區別和一些細節
騰訊二面，電話面
- 扣專案，問簡歷，其中涉及的演算法和上面差不多
- 問推薦演算法，fm，lr，embedding
- 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
- 演算法題： topK給出3種解法
- 演算法題：二叉樹的最大深度和最小深度
- 協同過濾的itemCF，userCF區別適用場景
- 扣專案，問簡歷，其中涉及的演算法和上面差不多
- 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
- 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
- 演算法題：名人問題，給出最優解法
- 問了一下專案和簡歷
- 自我評價優缺點，怎麼改進
- 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：
- 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
- 演算法題：反轉連結串列
- 演算法題：trim二叉搜尋樹
- 其他模型題都是在問我做的專案時同時穿插這問
- 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：
- 扣簡歷
- CNN為什麼比DNN在影像識別上更好，這題我答得很爛，有好答案的歡迎留言
- LSTM內部的cell長啥樣，有幾個gate，分別怎麼求出來的
- 資料傾斜怎麼造成的，怎麼處理資料傾斜問題
- 用mapreduce實現10億級以上資料的kmeans
- rf和gbdt基分類器區別，裡面的決策樹分別長啥樣，怎麼剪枝
- 說一下gbdt的全部演算法過程
- 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)：
- 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
- XGBoost推導和優點
- 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
- 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
- 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
- 怎麼理解大資料
- 怎麼理解演算法
- 資料的價值在哪
- 怎麼看待資料販賣，對還是不對
- 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