做网站用什么字体,包装设计十大网站,wordpress 备份 教程,域名购买服务商面经总结
微软STCA面试-面经
字节AI lab实习面试记录
腾讯PCG-腾讯新闻面试
百度(AIDU)-内容策略部门面试
百度(AIDU)-搜索策略-机器学习算法工程师
百度(AIDU)-知识图谱部门算法工程师(2020-07-08)
百度(AIDU)-NLP部门算法工程师(2020-07-10) 微软STCA面试-面经
2020-…面经总结
微软STCA面试-面经
字节AI lab实习面试记录
腾讯PCG-腾讯新闻面试
百度(AIDU)-内容策略部门面试
百度(AIDU)-搜索策略-机器学习算法工程师
百度(AIDU)-知识图谱部门算法工程师(2020-07-08)
百度(AIDU)-NLP部门算法工程师(2020-07-10) 微软STCA面试-面经
2020-06-01左右在牛客上面投递微软STCA的面试简历没看清楚要求是research intern对应要求是: 顶会博士。 迷迷糊糊的也就投了, 上周周四时候stca老师联系我然后发给我一篇ICLR文章(SKT模型),让我slide讲解顺便考察项目、文章、coding。
对应准备
其实刚开始是拒绝准备的因为如果这次面试不过准备的这些文章也好。其他的也好没什么用的对于后面秋招。周五晚上时候正式打开了文章但是因为是 做生成的 一堆推导的公式看的脑子疼所以看了看看看不懂就放下了。周六拿出来又看了看跳过公式理解了其他部分。周天好好的整理了一下这篇文章的思路不懂的公式查了查书差不多也懂了;周一是巨忙的一天deadline确实是生产力首先先新建了ppt然后就开始套路先安排上截图截图总结总结然后做着做着想 这样和翻译文章有什么区别所以干脆直接整理一下这个研究方向所以去找了一些这方面的研究大概总结起来5篇文章吧然后都下载了看了看打印完了爱着看了一遍结论就是这篇SKT文章就是老流氓了套概念结果其实都差不多的东拼西凑就文章出来了。 总共6篇左右文章吧按照思路做了一下ppt做ppt真的超级慢之前老大对于做ppt一直有要求所以做的比较慢。 到最慢边理解文章边做ppt了到最后做完差不多晚上1点左右了然后就回宿舍了。 因为第二天上午面试回去再看了一遍ppt就完了。 coding、项目也都没有再准备了(现在想想确实是浪费了时间)
面试
没想到是研究员老师亲自面试没有自我介绍首先让我关了摄像头直接语音就好流程1: 文章因为我准备的文章比较多然后就讲的时间比较长过程中老师能力还是很强的看一下公式基本就知道在做什么了。 然后中间有几个我没注意的老师也提出来了。 总共差不多: 30多分钟;项目、文章: 这块比较快了大概的讲了一些主要老师想看看我们自己做的东西 可惜这里很多都是不好量化的科研能力等等都体现不出来 差不多20多分钟;coding 因为时间是来不及了所以给了一个很简单的题用双指针没写出来然后说了一个时间复杂度高的然后说了复杂度分析她说可以就结束了最后也没有写代码然后就是让我等结果了因为还有其他同学是需要面试的。
总结:
给文章让讲的面试是第一次听说 当然research intern也算是正常吧毕竟主要是去发文章的中间过程浪费了很多很多时间没有好好利用;自己确实是平时做题的时候好像还行面试时候就会出现理解的不透彻或者做的题太少出现短暂的脑子空白 从而变得慌求stca爸爸捞我; 字节AI lab实习面试记录
前言
随手投了字节AI lab的实习简历因为觉得时间太晚了所以对于具体的研究方向没有啥要求。字节ai lab内部结构目前还不清楚所以完全是看运气。字节ai lab应该是国内少数的做 fqa、qa、kbqa的实验室了。
准备
刷题: 把自己以前面经中的所有题都刷了一遍但是好像发现没什么用一个也没有考到;其他: 2.1 bert内部细节 2.2 BN那些 2.3 过拟合那些; 2.4 其他
面试(一面挂) 面试官年龄应该35,一看就知道是 leader级别了面试过程中也能明显感受到技术积累很强; 全程没有问简历; 首先自我介绍完了说说方向问题; 让讲一讲KBQA的流程(我没做过KBQA)然后我大概说了一下3种研究方法; 让说一下一个完整的KBQA流程, 从构建到最后; 给定电影场景 以及让说清楚其中的关键技术; 5.1 首先数据获取: 百科、电影网站等等爬取数据; 5.2 数据处理: 结构话数据处理(这个没啥说的) 非结构话数据处理: NER关系抽取时间抽取。 5.3 kbqa的流程了; 提问非结构化信息抽取的技术难点: 6.1: 回答: 三元组获取的难点 自由文本的问题很难抽取出来 文本的省略、表达多样化等等问题; 然后解决就是很多的对齐、消歧等做法; 这个了解的不多后面补补; 6.2 其他的回答记不清楚了; 实体链接过程中的 NER问题 一词多义、一意多词解决方法; 7.1 因为之前看过一点所以就说了几种方法; 大体两个方向吧。 主要还是: 实体type 然后实体上下文信息; 实体之外的额外信息等等; 知识库那边的: 词典信息、属性、关系信息等等; 问题中如果出现: 多个实体、多个关系、多跳关系分别怎么进行处理 (直接懵逼没做过真的很难回答) 8.1 多个实体: 实体消歧义、句法树、句子模式学习等方式定位关键实体;这个完全自己发挥答案不知道 8.2 多个关系: 关系分类等等和上面差不多; 8.3 多跳问题: 这个很常见但是我不知道怎么推理然后就说了 阅读理解中常见的多跳推理的方法(哎。。。) neo4j数据库怎么进行多跳推理 9.1 真的不会说了我是用仅仅是展示多一些然后查询更多的是用的 遍历的那种方式; 中间还有一些KBQA的问题我忘记了; 机器阅读理解模型bert然后后面接 pointer net是不是就差不多已经解决问题了 模型上有什么创新嘛 11.1 我试图拉到阅读理解这块打算说说阅读理解模型、阅读理解研究被打断。 然后我说了 bidaf aoa等等模型以后bert来了后面接模型上的创新的不多 讲了一篇acl2019,bert后面用 句法树做attention的工作然后说了一些GCN的方法; 然后具体没再说了; BERT multi-head attention问题? 12.1 从输入一个句子然后公式推导了一遍Wq,k,v 点积 缩放 *V 12.2 只问了缩放: 然后说了文章中的原话、softmax那些。 然后说了文章中的实验结果 然后解释了自己没有尝试这些都是文章中说到的; 分类loss_function: 13.1 交叉熵, 然后说了一下; 13.2 情景问题: 我不用logit回归用普通的 线性回归可以预测达到同样的效果嘛 我说应该不行然后我回答的不好然后问我 限性回归的loss 然后我结结巴巴说了 距离差距求平方和 然后他问我 你们现在还上机器学习的课程嘛 我说 我没上。自己学的。 这里大概原因1.这个问题回答不好 2.线性回归那里不是很清楚回答不流畅。 到这会差不多40多分钟了完了做题; 一道很简单的题找有序数组某个元素出现次数O(N)肯定不用说了 然后我说用二分查找找开始和结束他说这样最差情况复杂度会变为O(N),当时真的慌了。 然后让我想想看看怎么优化 当时时间肯定来不及了我就直接说了找下界、上届。 他想了想说 思路行得通然后让我找左边的。 我写了然后结束条件他说while有问题让我考虑考虑相等情况我直接慌了 然后一会儿就说不写了时间差不多了这时候 50分钟左右然后问我有什么想问的嘛 我问了一些然后差不多56分钟我说没想问的了就就结束了。 其实现在想想如果冷静一下那个肯定可以写出来毕竟字节lab一般都是 中等以及难哎浪费了一次很好的机会。 补充: 中间问了 dst那个没问项目没问具体文章内容问了讲讲dst和slot filling的区别: 因为我觉得真的区别不大然后我说的 dst任务是nlp对话中的一个具体任务然后现在主流的做法是拿槽填充做的然后一些。 然后说: 我觉得差别不大。 然后他又说: 这两个还是不一样的从任务定义的角度再说说然后我又说了一些总之也不是他想听的额然后他说 dst是一轮一轮然后我说 对。。。难道就说这个区别 逗我 后面再仔细看看这两个区别吧。 后面补充想不起来了
结果
过了2h左右问的hrhr说没通过给的反馈是: 项目深度不够 然后代码还有空间提升(就是菜呗) 完了就完了
总结
说实话也没有问简历很多东西真的是平时的积累i可能这个是大佬面的所以一般不问那些 套路的东西BN、过拟合、w2v都不问。 主要还是: 具体场景然后解决问题还有就是自己太菜了给了我一道easy我都没做出来。 kbqa的东西积累也不多; 阅读理解模型总结的也很多忘记了(过了年基本没看过了) 等等总之问题很大很大。一般面试官遇到你会的差不多你说完就下一个问题了不会和你深入的交谈(我觉得主要是看你回答流畅不流畅)。 然后遇到不会的(回答结巴的),然后面试官会追着问询问下去。 我有几次想拉回来多讲一些我知道的被打断了。 也不算是打断就是切到下一个问题了。 可以试试会的然后装不会用一个思考的过程代替这种。下次加油!!! 腾讯PCG-腾讯新闻面经
前言
投的暑期实习WXG 但是后面才知道 WXG早都坑满了 深圳-WXG 深圳-PCG分别打电话问要不要面试我拒绝了; 到后面过了几周 北京-PCG-腾讯新闻打电话问要不要面试我说可以;本来都不想面试了但是想着试试涨涨经验就面试了;
准备
基本没有做准备甚至于 之前的面经都没有看;
面试(挂了)
问了项目 20分钟左右;写代码: dropout自己实现写代码 二分 4.场景问题 垃圾评论识别C map底层(不会)BNBERT忘记了 百度(AIDU)-内容策略部门面试(1H)-听口音应该是部门主管
做题 二叉树最近祖先 递归思路; 链表交点思路;自我介绍3分钟介绍简历分别介绍了三个项目文章讲的很详细 40多分钟;最后问了损失函数 多标签分类损失函数、所分类损失函数。有什么想问的嘛最后面试官总结 以后可以讲的时候主要突出重点。 百度(AIDU)-搜索策略-机器学习算法工程师(1H)- 白白的小哥哥
语言模块 C的相关问题;编程部分 1Tire树的实现; 增删改查 2最长回文子串没做过题目大概知道DP做但是一直想用一维的做没想明白转移方程小哥哥带着我差不多写完了机器学习部分
SVM损失函数、高斯核物理意义等等记不清楚了HMMCRF计算过程 原理 是不是全局最优化 测试怎样选择多个结果Beam Search维特比EML1稀疏交叉熵为啥有用 概率归一化、MLEXGboost聚类算法NER传统机器学习模型W2V两种加速方法的具体实现、原理其他一些记不清楚了
*总结:真的问的很基础还是自己太菜了很多东西仅仅是知道一点点没有认真去思考、去看。 百度(AIDU)-知识图谱部门算法工程师(2020-07-08)-77分钟
自我介绍;做题: 二叉树最近祖先问简历-主要集中于: 信息抽取、图谱构建场景问题-一些业务场景的问题解决;
百度(AIDU)-NLP部门算法工程师(2020-07-10)-一面二面(2.5H)
一面:
三个模块: 数据结构语言、机器学习基础、深度学习基础全程基本没有问简历两道数据结构算法题TextCNN深度学习一些开放问题BERT等预训练模型
二面
基本全是项目场景项目讲了一部分就打断了接下来基本全是实际场景中的问题问怎么解决最后反问环节主要: 说他们做的东西基本在刚才的询问环节都已经问过了。
总结
期待百度爸爸有三面;百度的面试官的态度真的可以的很舒服。 面试流程
2020-07-02 下午三点 百度内容策略部门2020-07-02 晚上7点 百度搜索策略部门2020-07-03 上午10点 百度小度平台2020-07-06 周 周三下午4点 百度AIG知识图谱部门
其他人面经整理
算法学习与求职经验(腾讯SP,滴滴SP,百度,华为) 关于找工作说点对后人有用的话内附机器学习算法岗面经
百度
百度AIG知识图谱部算法实习生面经已拿offer 暑期实习还愿贴
百度 百度内容策略部
一面
问了transformer的encoder和decoder几种attention的具体实现
BERT的优点怎么对预训练任务的改进
算法题判断链表是否有环二面
讲下SVM软间隔、核函数
算法题旋转数组三面
最优成就的一个项目最遗憾的一个项目
面对压力怎么办和同学老师意见不一致怎么办
和不同部门怎么协调沟通要数据不给怎么办
喜欢什么样的工作氛围压力最大时是怎么处理的职业规划
自己的优缺点怎么改进
另外有了解百度内容策略部等大佬吗这个部门和美团的搜索与nlp中心比怎么样啊2. 百度暑期实习数据挖掘/机器学习/NLP算法岗三面总结 百度 展示广告部 机器学习/数据挖掘/自然语言处理工程师 百度 展示广告部 机器学习/数据挖掘/自然语言处理工程师 【百度 Feed 知识图谱部 自动驾驶技术部】 百度——推荐策略部——算法工程师已offer 百度(算法岗) 百度深圳 百度NLP算法面经
