NLP面试复盘 | 阿里/腾讯/头条/paypal/快手
作者 | ray-95
整理 | NewBeeNLP
周末愉快！来看几篇面筋涨涨经验~
写在前面
本人学渣一枚，春招实习有幸过了几家大厂，在此期间得到了很多帮助，也特意分享一下自己的经验，希望能帮助到有需要的人。
阿里
阿里的面试周期最长，最初2月份参加预面试，到正式面试到收offer，经历了2个月。
一面：1h
面试讲项目 项目中为什么使用lightGBM，比起xgboost的优点是什么 因果词向量的应用场景 tf多个变量如何共享权重 SGD min-SGD的区别 对epcho做shuffle，类似于哪一种优化器 介绍一下优化器 什么情况下不适用动量优化器 WGAN，要保证梯度平滑，使动量优化器容易过拟合，防止梯度突变 介绍一下生成任务的做法 用auto-regression的模型 beam-search，如何在做生成任务的时候，生成多个结果并且保证结果的多样性 非自回归的模型如何一次性生成整个句子 做后序遍历，判断一个数组是否满足后序遍历 机器翻译的最新论文
二面：1h
部门leader面，主要问项目，项目难点在哪里
介绍attention 和self.attention区别 算法题目： 给定x种硬币，凑齐y元 给2种硬币，非均匀，计算正反面的概率，随机选1枚，抛100次，重复1000次，如何计算2种硬币的概率
阿里3面（交叉面）
只能只用两个api ：getcolour O（1） --获取指定位置的颜色 Swap：ij 交换位置 lr模型的输入和输出分别是什么 lr对商品进行点击进行概率预测，输入需要做一些什么处理 Lr---对商品，估计商品点击的概率--预测 什么情况下需要将连续特征离散化--- One-hot lr按照分布需要将特征如何进行离散化 树模型如何处理离散型特征 lr模型---根据做特征交叉，为什么 lr中如何缓解过拟合 减轻特征工程的手段，--如何构建更多的特征 coding题目：黑盒子，n是3的倍数个球，3种颜色，n个球排成一排，乱序 rgb
腾讯微信
一面挂
学习率/优化器（adam）/bach-normalzation/➕res+learn-rate 一种可行的方案是用拒绝推断 一种方案是用smote 自我介绍+询问简历内容 词向量的方法 正负样本不均衡的问题，如何解决 介绍bert；bert如何使用transformer的encoding模块-bert的输入和transformer有什么不同 bert有什么缺点 XGboost和GBDT xgboost做树的分类的时候是怎么做的-- 做过哪些nlp深度学习的任务 深度学习模型在训练过程中如何加速收敛 防止过拟合 mse和交叉熵的区别----为什么用交叉熵 一对父母，已知一个人是男孩，另一个人是男孩的概率 给100亿个数据，怎么找到中位数
腾讯PCG
pgc一面：（30min）
主要聊项目
pcg二面：
模型学习中，正负样本的训练方式不同有什么影响 引入词向量的相似性对于结果有什么不好的影响 面试题目：给两个球，求解最坏情况下走多少步（采用贪心的思想）
pcg3面：（交叉面）
主要问项目 相似性匹配的常用算法 bert
头条
算法岗挂，后来大数据岗通过面试，主要在这边记录算法岗的面试经验
一面
问了bert ，transformer 用梯度下降的思路求开根号 写交叉熵公式 防止过拟合的方法 transformer的中的attention机制，其中self-attention和encoder-decoder attention之间的关系 最小二乘法的推导公式，最小二乘究竟是什么，和极大似然的关系 在词向量中很稀疏和出现未登录词，如何处理 线性和非线性存在什么关系之间的关系 logistic和svm之间的区别---svm自带正则化 依存句法如何实现---涉及crf-序列标注
快手
nlp和风控工程师
一面
问项目，着重问了第一个项目 然后两道算法题，bugfree 问了batch-normalization和layer-normalization的区别，然后问在inference线上模型如何处理 FNN-中有没有隐层 inference-batch-nor---针对一条输入
二面
position位置，信息 transformer为什么用+不用concat Drop-- 实现方式上是否会有差别----train 和test上有什么区别 train会有一定概率抛弃，test会保留全部，train会除以概率 dropout 和L1 和l2是什么关系，有什么异同 做题--两种方法实现
paypal
数据科学家岗位
一面二面同时：
项目+场景题 如何防止过拟合，dropout为什么可以防止过拟合 sql的题目 具体问项目，问具体的实现策略
三面
acc recall f1 变量与target相关性的描述 特征组合 特征重要性判断 模型好坏的评估 分数映射是否符合正态分布
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 -
2021-09-10
2021-09-07
2021-09-06
评论