无序大数组找中位数 双堆实现

算法题:一个矩阵,每一行,每一列数值都是递增的,寻找第k大的数

推荐书籍:《 Linux 私房菜》

问了两个问题 部门发展 视频版权问题==

项目介绍(。。。跟一面一样,不过问了好几个数据处理上的细节,有点专业,幸好我都懂,应付的过来)

31 )设计 LRU 系统;

优化(快排思想,在提醒下完成了==) 求时间复杂度

期待薪资多少

作者:ZakeXu
链接:https://www.nowcoder.com/discuss/15168?type=2&order=3&pos=117&page=3&from=mnks201
来源:牛客网

3.手撕代码

算法题1:一个数组找寻某个数(二分法)

( 2 )加分:博客, github ,竞赛 top10 ,顶会 paper ;

4.手撕代码

2、好未来数据挖掘机器学习工程师(一面17分钟 二面16分钟
都视频面offer)

24 ) 100 张牌,每次只能抽一张,抽过的牌会丢掉,怎么选出最大的牌;

非常细致深入的讨论了项目

开始上技术了。。。

( 5 )不同公司的面试风格都略有不同:

有没有用过其他无约束优化方法 区别是什么

接着问我框架懂不懂,多线程,异常抛出这些基础会不会。我说我就框架不会,其他的都学过,但是马上说了这个学起来不难,有算法的功底,很快就入手的。

PS: 链接:
http://pan.baidu.com/s/1o8r0ux0

hr面

11 )梯度下降的优缺点;

发一波面经,回馈一下牛客

决策树(ID3,C4.5,CART)原理,信息增益公式推导,信息增益比的引入原因,Gini指数的用途和原理

20 )假设有个 M*N
的方格,从最左下方开始往最右上方走,每次只能往右或者往上,问有多少种走法,假设中间有若干个格子不能走,又有多少种走法;

9月底第一批的面试,算法岗

开发方面接触多吗?看你会java

13 ) L1 与 L2 的区别以及如何解决 L1 求导困难;

本文来源于牛客网

第一题:一个堆,怎么按顺序改为一个双向链表(gg,根本不懂)

2
)阿里:内推可以电话面,主要是聊项目跟问一些基础的数据结构方面的知识,看看剑指
offer 一般可以应付;

如何避免过拟合

1、360安全研究院数据挖掘工程师。(一面视频面 70分钟 gg)

  1. 海投

1.自我介绍

项目介绍(里面问到了异常值处理,评价指标等)

5 )过拟合的解决方法;

一面

朴素贝叶斯推导,优缺点

21 )实现 hmm 的状态转移代码;

最后再次感谢牛客网提供的各种资源+_+

自我介绍

25 )怎么预测降雨量;

我。。然后从另外一个角度问了些问题

学历,职位,课程,参加了什么活动,班级排名

  • 机器学习 / 深度学习( ML/DL )

二面

作者:华仔17

4 )特征选择的方法;

面试官给的解释 你只需要实现功能 链表的意义、调用出错等不用你管
是调用者的事情==

自我介绍

6 ) kmeans 的原理,优缺点以及改进;

L1、L2范数的区别 如何求解

总结:反正就是聊天,也不知道筛不筛选,反正就是侃侃侃。

2 ) rf , gbdt 的区别; gbdt , xgboost
的区别(烂大街的问题最好从底层原理去分析回答);

– 程序员求职实习信息

随机森林原理,优缺点

3 )腾讯:内推可以电话面,主要聊项目跟推公式;

1.自我介绍

建议:主要是会使用,有精力的话可以看看源码了解集群调度机制之类的;

2.项目介绍

9点面试,8点半就到了,正好赶上主管去吃早饭,随口叫了我,正好我在,然后不吃饭拉我上去面试,真的很感动。大哥很和蔼,北方人。

( 3
)数据结构与算法分析基础:掌握常见的数据结构以及操作(线性表,队,列,字符串,树,图等),掌握常见的计算机算法(排序算法,查找算法,动态规划,递归等);

– 校招求职笔经&面经

RF的原理

5 )滴滴研究院:百度系,面试风格跟百度差不多;

问了两个问题 部门机器学习怎么运作 弹幕净化怎么看==

了解推荐算法吗?给我介绍下这些算法怎么实现的?(懂是懂点。。。问题是没有做过相关的实现呀,懵逼ing)

PS: 如果感兴趣的话可以联系我要简历模板( Q:1434909067 )

2.谈人生谈理想==

朴素贝叶斯原理

3 )决策树处理连续值的方法;

SGD、batch、mini-batch的区别

走到现在,校招已经过了一半,自己心仪的公司也基本都走完了校招流程,我的校招随之已经结束了,在家中陪着父母过一个长假。闲下来,想远离代码,远离算法,好好的放松下自己,假期后要开始论文的征程了。找个空闲,给那些正在奋斗找工作的同学们和学弟学妹们,一点参考。

建议:这里的掌握指的是能够熟悉推导公式并能知道模型的适用场景;

3.索引

GBDT原理

30 )设计一个系统可以实时统计任意 ip 在过去一个小时的访问量;

——————————

自我介绍

2
)项目介绍:简历上的项目一定要熟悉,介绍时候分三部曲:项目背景,项目方案,项目成果;对项目中涉及到的一些技术点一定要很熟悉;

4.开始怼机器学习

RF与GBDT的区别(balabala,讲了7点,把他完全说服了,估计有些他都没听过)

建议: MySQL + python + C++ ;语言只是一种工具,看看语法就好;

二维 四叉树、网格 优缺点

班级排名多少

推荐书籍:《统计学习方法》《机器学习》《机器学习实战》《
UFLDL

牛客网(www.nowcoder.com)

SVM的原理,推导,核函数的选举

( 2
)如果选择留在广东深圳发展,就业的机会比较少,比较好的主要就是百度深研,腾讯总部,华为深圳,京东好像在深圳也有个做数据挖掘的团队;(楼主倾向去深圳发展)

决策树的特征选择 优缺点

项目介绍(互聊,感觉就是聊天的性质,很专业,每个点都问了一遍,四个项目,从背景到应用,聊到尴尬的地方就笑笑,对我工作两年的内容也很感兴趣,聊了很多工作内容,大概用了40分钟吧)

( 2
)一般技术面有以下一些环节:自我介绍,项目介绍,算法提问(推公式),数据结构提问(写代码);

5.有什么问题

到重点了!!!前面都是铺垫。通过各种关系,在这里要感谢很多大佬,首先就是威哥帮我内推了10家以上,还有百度爷路子,腾讯大佬飞飞还有360师姐等的内推,不管内推结果如何,很感谢大家。拿下的内推只有360,好未来和拼多多。校招批,拿下了三个面试机会,分别是搜狗,百度,苏宁。前面的铺垫是有必要的,因为那些被一面pass的公司都没给我面试机会,不知为何,华为简历都没过。

推荐书籍:《 C++ primer plus 》

终于等到你==

6个面试,3个offer:

  1. 个人感觉数据挖掘是一个比较大的概念,可以理解为:

一维 红黑树与平衡树的区别

– 程序员学习交流社区

推荐书籍:《大话数据结构》《剑指 offer 》

– 程序员学习交流社区

现在手上有什么offer

建议:这些是必须要了解的,即使没法做到基础扎实,起码也要掌握每门学科的理论体系,涉及到相应知识点时通过查阅资料可以做到无障碍理解;

2.项目介绍

HR面:

推荐书籍:《推荐系统实践》《计算广告》

– 互联网名企笔试真题

项目介绍(一模一样的问题,问了几个核心的点,胸有成竹的答上来了)

( 4
)在面试过程中,除了基础的东西要掌握,可以适当地向面试官展示你的一些其他的亮点,比如跟面试官谈论某些最近
paper 的进展以及一些技术方面的想法等,突出自己的与众不同;

3.有什么问题

我主要是算法方向,专业是统计学,可能我们更偏向于算法的优化,而在计算机的数据结构优化方面没有很深的理解。其中学习了java,python基本语言,算法方面主要是机器学习算法,深度学习有所了解,工程能力方面还有JS,CSS等web知识,MySQL数据库,Linux操作系统以及最重要的数据结构。优点就是爱刷算法题,笔试没啥问题。

建议:多敲代码,多上 OJ 平台刷题;

发表评论

电子邮件地址不会被公开。 必填项已用*标注