秋招跪经总结

简单记录8-12月找工面试过程。如无特殊说明，所有国内公司都面试算法岗，美国公司都面试SDE。

由于不喜欢刷题，基本都直接挂在一面。

欢聚时代

店面

项目+LC(Medianof Two Sorted Arrays)

阿里

店面

从右到左层次遍历二叉树

决策树剪枝，随机森林和xgboost区别，过拟合

华为

三轮店面

以项目为主。问了很少量的深度学习知识（讲一讲你知道的CNN模型etc）。印象中没问算法。

OPPO

On Campus

只问了项目。本来约好OnCampus面4轮，但可能因为岗位不合（投的CV，然而以前完全没做过）直接跪了。

网易

店面

一轮：

项目+某个DP题

二轮：

项目，某个算法题，深度学习（优化算法、过拟合、Dropout等等），NLP（word2vec，隐马尔科夫）

头条

三轮店面

第一轮问了一道数学题（涉及容斥原理）和一道编程

第二轮问了CNN相关的基本知识

第三轮问了一道编程题（打印10000以内所有质数）和项目

联想 (Global Future Leaders项目)

Onsite

群面

假设你是一个电商网站，有一笔资金，各种问题（客服不好，物品返还率高），各种解决方案和对应价格。小组讨论并给出一个资金分配方案。

我和三哥小姐姐和一个印度小哥哥一起参加的，我全程酱油，只提出要抓住核心问题，即产品返还率过高导致了客服需求增高，因此需优先解决前者，不过其他人不太同意。不出所料，印度小哥哥发言量极高。

Case Study

假设你是中型公司老板，公司制作软件为主，然而最近涉足高端客户时被大公司打压，然后小公司又试图赶上。有各种资金分配方案，应怎样分配。同时，与某客户有一个合同，该如何报价。

Juniper Network

店面

国人大叔，做Data Science，主要问了项目和用到的算法。由于是第一次店面，回答的磕磕绊绊，应该是直接挂了。

Google

店面

假设有一个函数判断某节点是否该被删除。

对任意一棵树和一个给定节点列表，返回对列表中所有节点执行删除函数后的森林。

微软

On Campus

怎样向小孩解释queue

遇到的最有趣的bug

解释OOP中的多态

一道lc easy

Bloomberg

店面

假设一个网页上有多个元素，每个有多个函数与其挂钩。需要提供以下功能：

插入：给定几个函数，插入新元素并返回一个id。

调用：根据id，按顺序调用与其挂钩的函数。

删除：给定id，删除id与对应函数。

On Campus

给一颗树，打印叶子节点与他们的祖父 （+如果不能用递归怎么写）

给一棵树，依次打印叶子节点，倒数第二层叶子节点。。中途不得更改树本身

百事 （Data Scientist)

这个项目的target是我校DS专业学生，然而由于我有学长在那里，就厚脸皮要了内推。

作业：

给了一个销售数据集，要求尽可能挖掘其中有用信息，将报告和代码发过去

Onsite

1. 假设有多种广告投放数量和对应销量，日期等多种信息组合的数据集，如何分配广告最大化收益。

2. 讲解项目，CNN基础知识

3. HR面，介绍项目，以前项目中遇到压力怎么办，有没有管理经历

4. Leader面，闲聊

5. 想要提升销量，需要什么数据、如何搜集。如何设计可能销量好的新产品（发问卷，以往数据）

Verisk (Data Science Excellence)

店面

同校DS专业的学姐面试，主要问了项目和里面用到的算法。

Onsite

1. 群面。然而只有我和一个印度人，以及面试官。题目是假设公司有一个项目竞标，如何搜集数据、搜集对手情况等等， 最终制定出一个报告交给上级。印度大哥一说话就不停，我又不太爱抢，导致没多少发言机会。

2. 项目介绍。预先准备的presentation。有三个面试官听报告并提问。由于我的项目偏机器学习，全程只有一个CSPhD在和我交流，另外两个一脸懵逼。后来反思，自己的PPT做的还是不够通俗。

3.面试前一周给的问题：给定各州的几种教育开销（教师、设备等等）和学生成绩。若多了人均1000美元，该如何分配以提高学生成绩。可自行查找外部数据。

4. 面试官是一个医学Professor转DataScientist。主要问项目。

VMware

Onsite

1. 印度小姐姐。问了两道lceasy。

2. 印度大哥。问了之前做的项目，然后不停问我怎么scale这个项目。数据存在哪里、计算节点在哪里，数据怎么推送到后台等等。

3. 华人大哥。本来说写个callback热热身 （记得是个三层callback，用来获取后台数据），结果我一窍不通，于是花了半小时跟大哥学怎么写callback函数。

4. 印度大叔。先问了项目。问了一些基础知识：NAT,OSI, 大端序小端序。然后两道lceasy

WeWork

店面

Valid Number弱化版，面试官满意了即可

Onsite

清北复毕业的面试官，全部是大厂跳过来的，基本都直接做题。

1. 字符串搜索，可使用KMP，然而我忘了。面试官提示了Rabin–Karp的思路.

2. Interleaving String

3.

竟然无法编辑。。从Word复制过来的，排版不好，请包涵

楼主加油！