滴滴算法岗面经
9月22日，在武汉面完了滴滴算法岗的一共4面，一面和二面是交叉面，三面是算法终面，四面是HR面，下面分享一下技术面的面试内容。
一面：
面试官是做视觉算法的，对我简历上的一个深度学习的项目很感兴趣，项目是用Faster-RCNN做的，所以让我先完整的介绍了Faster-RCNN的框架，然后再针对细节问了一些问题。然后其他时间都是在给我解释算法的一些方向，并且给我指出了的优势和我的弱势，建议我之后找工作的一些可行的方向（面试官对我太好了），并且说这一面就放你过了，只能说运气很好，哈哈！
二面：
问的问题主要分为算法方面和工程方面，算法方面有问到了解哪些聚类和分类的算法，介绍SVM，写出KKT条件等。
然后出了个题：在一个数组里面，找到一个最大的数，使得这个数可以由数组中的另外两个数相加得到。
当时没有想到非常高效的方法，就说先排序，再从最大数开始遍历。
接着就问我快速排序怎么实现，然后让我把完整代码写了一遍。
三面（算法终面）：
也有问了解哪些机器学习的算法，有哪些常用的滤波器，聚类方法有哪些，K-MEANS的原理，谱聚类的原理，然后出了一个题：
滴滴每天在一个城市都会有大量的订单量，假设现在在武汉地图上有100万个订单，订单的数据为起始点坐标（x,y），怎么样通过这100万个数据，准确的划分出武汉的打车热点区域（区域个数不确定，边缘不规则）。
最后要我用代码实现下面的迭代：A（k+1）=A(k)*M*A(k)‘
（A‘表示A的转置），其中A和M均为n*n的矩阵，*表示矩阵乘法，A（k）表示第k次迭代后的矩阵，其中A（1）为单位矩阵。
四面（HR）：
HR面基本上就是聊聊天，没有谈薪酬，结果在之后1-2个星期内出来，截止目前还不知道有没有过。
#滴滴#
滴滴二面380人在聊
查看7道真题和解析