多家公司算法工程师面经

本人本硕统计，主投算法岗  

   百度 一面  

•        线性回归的共线性，如何解决，为什么深度学习不强调
•        解释word2vec原理
•        情感分析可以怎么做
•        CNN padding的原理
•        N个数找出最大的K个
  

   百度 onsite  

•        检查一个树是BST
•        Logistic回归损失函数的公式和含义
•        Dropout有什么优点
•        boosting 和bagging有什么异同
•        推导backprop
•        两个排好序的数组求交
•        圆上三个点组成锐角三角形的概率
  

   瓜子二手车 一面  

•        牛顿迭代求sqrt https://leetcode.com/problems/sqrtx/
•        通过均匀硬币生成1到N随机数
  

   瓜子二手车 onsite  

•        维护一个数据流的滚动方差，类似https://leetcode.com/problems/moving-average-from-data-stream/description/
•        Logistic回归防止过拟合
•        L1和L2的区别
•        最小化|x_1 - x*|^2 + … + |x_n - x*|^2
•        Lasso和Ridge区别
•        对于1,2,3,...,100中可以重复的n个数排序
•        将一条线段在两个地方随机切断可以组成三角形的概率
  

   阿里 onsite  

•        https://leetcode.com/problems/excel-sheet-column-number/description/
•        给了一个很小的实际数据，解释决策树并手动构建
•        计算用户点击率的置信区间
•        Boosting vs bagging
•        介绍自己的Kaggle项目
•        预测客户的流失概率，特征选择哪些
•        如何防止过拟合
•        如何找到虚假帐号
  

   美团 onsite  

•        Python的try except finally
•        SQL的简单问题
•        决策树vs随机森林
•        分类问题用什么metric
•        解释SVM
•        Logistic回归损失函数
•        通过概率未知的非均匀硬币生成1到N随机数
•        使得|x_1 - x*| + .. + |x_n - x*|最小的x*
•        预测客户的下单概率
•        决策树将一个特征全部乘以2会有什么影响
  

   还有一些小公司的面试题  

•        生成电话号码 https://leetcode.com/problems/letter-combinations-of-a-phone-number/
•        单链表删除某个值 https://leetcode.com/problems/remove-linked-list-elements/description/
•        单链表删除某个结点 https://leetcode.com/problems/delete-node-in-a-linked-list/description/
•        如何检测过拟合
•        Word ladder https://leetcode.com/problems/word-ladder/
•        Min stack https://leetcode.com/problems/min-stack/description/
•        反转单链表 https://leetcode.com/problems/reverse-linked-list/
•        4 Sum https://leetcode.com/problems/4sum/description/
•        解释Logistic回归
•        peak element in an array https://leetcode.com/problems/find-peak-element/
  

   准备面试的时候看了以下内容:  
   Coding主要是刷leetcode  
   SQL刷了sqlzoo的题，另外刷了一下introduction to quant finance


祝大家找工作顺利

感谢分享！

多谢楼主分享，是不是应该放到数科面经版？

先mark，留着看看