机器学习算法工程师--实习面经

最近找实习，整理一下面的比较完整的几家公司的问题，如果后面还有比较完整的流程再添加吧。
小米面试
一面

• 给用户推荐一首歌，每首歌被推荐的概率和歌的评分成正比
• 对上面的题进行优化，要求每次推荐歌的时间复杂度为O（1）
• 给定一些字符，每个字符都可以出现或可以不出现，出现的字符的顺序和给定的保持一致，问一共有多少种出现方式
• 对上面的题进行优化
• 问了一道分类的应用题，，有点不记得是什么了

二面

• 问了一道分类应用题
• 两个链表是否存在公共节点，如果链表本身有环怎么办
• 如果一个链表很长一个链表很短怎么优化

京东面试
一面

• 先写了一道算法题，去掉链表中的重复元素
• 智力题，三枚硬币如何等概率扔出0~4
• 机器学习基础，LR损失函数，过拟合，正则化
• 问项目，贝叶斯有什么改进，还问了一道，没有听明白题意的问题，什么归一什么鬼
• 商品分类问题，只给商品id和分类去预测新的算法（文本分类、词频、语义）

二面

• 先是问了项目，然后文本分类的工作，问如果现在做能怎么改进
• 京东搜索“手机”，对搜索出来的商品怎么排序（提出了回归的模型，userCf模型，面试官说了一种learning to rank的想法）

微软面试
一面

• 项目的相关问题，为什么不用mlib中自带的算法
• gbdt和rf的区别
• svm核函数相关的问题
• 找有序数组中值为k的数的下标范围，可能有多个值为k的数

二面

• 多个有序链表中的值相同的节点
• java中的反射机制

头条面试
一面

• 决策树的并行策略
• 能否十分钟写出cart树
• 视频分类应用（标题，作者的id和行为，视频详情，历史的用户数据和行为，用户评论）
• 二叉搜索树找到一个节点并删除

二面

• 连续子数组最大和的值和起始终止位置
• 并行算法和mlib的区别，有没有什么算法上的改进
• 文本分类svm调参，使用了什么核，手推svm
• 为什么svm可以使用和函数，LR不可以使用
• 手推牛顿迭代法和拟牛顿法

百度面试
一面

• 项目
• 机器学习算法的相关知识
• spark和hadoop的区别
• linux命令 awk，sort，grep
• 二叉树的中序遍历非递归
• Kmeans和KNN

二面

• 问项目
• 手推LR
• 数组流找中位数，使用两个堆
• 文件流随机挑选K行

三面

• 问spark是啥。。
• 个性化推荐
• 线上的代码重构，出问题如何定位

嘀嘀新锐面试
一面

• 简历上的东西
• 结合偏差和方差说明gbdt和rf的区别，然后又围绕展开很多其他问题
• spark的基本问题
• spark程序运行很慢的原因

二面

• 开始就聊工作预期bulabula
• sgd的并行化思路
• sgd并行化思路展开，一个并行任务运行很慢怎么办
• 飞机寻找在沙漠中寻找黑匣子：飞机得到黑匣子的信号，有强弱的区别
• 寻找黑匣子的过程像什么算法

美团面试
一面

• 简历上的东西
• 连续子数组的最大和
• 字符串转整数
• 研究生期间让自己觉得不错的项目

二面

• 简历上的东西，为什么写贝叶斯和决策树
• 论文
• 时序算法的一些相关问题

三面
没什么技术问题，主要是简历上的东西以及是否有意愿来