头条+腾讯 NLP 面经
作者 | Jelly
整理 | NewBeeNLP
后台回复『面试』加入讨论组交流噢
写在前面
先说一下背景:本科双非,硕士211,没论文,一段半年的大厂NLP实习,3个TOP5 NLP比赛,1个两位数的数据挖掘比赛。
字节跳动
1面: 60分钟
实习,难点,收获,怎么解决 XGBOOST ,LGB,GBDT 的区别 一阶优化器,二阶优化器 Attention怎么做,self-attention怎么做 Transformer细节,Bert细节(多头和缩放) 过拟合怎么解决 标签平滑怎么做的 交叉熵,相对熵 Bagging, boosting , 偏差,方差关系 CRF理论与代码实现细节 CRF与HMM关系,区别 维特比,beam-search 时间复杂度,区别
「编程题」:编辑距离,完全二叉树的节点个数 (都是很经典的leetcode原题)
2面: 60分钟
实习,竞赛,问了30分钟 开源代码阅读情况 XGBOOST ,LGB 生长策略,分类策略 BERT细节 少样本情况怎么缓解
「编程题」:15分钟 写一个k-means,没写完时间不够
3面:20分钟
聊人生,说前两面反馈给的好,就不问问题了。
HR面: 20分钟
讲一件你觉得很有难度的事,怎么解决的。 来段英语口语。
剩下时间就是问问题时间了。
从开始面试到拿到offer花了3天,字节效率极高。其中1,2面试连续面的,然后太晚了,不然估计3面也会连续面。
腾讯:校招日常实习
1面: 25分钟
实习,竞赛 优化器,系统的讲一下 实际场景下做softmax容易出现一些问题,怎么解决(面试的时候没明白什么意思,面试结束后询问,他是说实际场景做softmax很容易出现下溢问题,这个可以用每个维度减去一个固定值就可以了) 过拟合解决方法,正则项为什么能减缓过拟合 权重衰减等价于哪个正则项 传统机器学习方法了解哪些
「编程题」:打家劫舍II
2面:60分钟+8小时下来做题。。。
实习,问得巨细,怎么和测试沟通,怎么和需求沟通,团队有几人,负责啥,难点是啥,你做了啥
「编程题」:leetcode-887,super egg drop,提前不知道这题是leetcode题,自己一直在硬做,后来给实习同事分享,同事告诉我是leetcode题很难得一道题。这题难的一*,面试里面剩余30分钟没做出来(基本属于刚理解题意),下来之后做了2个小时想出一个暴力解,被打回,第二天,想了3个小时,想到二分解法,被打回,又想了3个小时,想到数学解法。。。过了。(三种解法都对的, 不过面试官要求给出具体的策略和步骤,数学法比较直接可以直接给出,其他两种需要输出最优路径)。太菜了。。。。
3面,GM面:30分钟
比较水,没问技术问题,全程实习竞赛。
HR面
就问了啥时候能去,能去多久这种问题
腾讯流程很长,从官网投递简历,到拿到offer,全程花了20多天。导师和HR很热情,面试完了就在交流了。
随便唠唠
难度上,总体感觉面的两个岗位,除了腾讯二面的编程题,其他都不是很难(可能是只是实习面试的原因),两家没有奇奇怪怪的问题,面试体验都很好,知识点范围基本都在面经百度第一页能找到。不过感觉自己比较幸运,遇到的字节面试官出的题都很常规,我同学面头条出的题,遇到了取数对弈,螺丝螺母匹配等烧脑问题。
一起交流
想和你一起学习进步!『NewBeeNLP』目前已经建立了多个不同方向交流群(机器学习 / 深度学习 / 自然语言处理 / 搜索推荐 / 图网络 / 面试交流 / 等),名额有限,赶紧添加下方微信加入一起讨论交流吧!(注意一定要备注信息才能通过)
- END -
2021-09-13
2021-09-07
2021-08-30
2021-08-20