2022携程算法工程师一面面经

个人背景：🔥985硕士，计算机专业，研究方向为机器学习/数据挖掘- 有推荐系统相关项目，Kaggle竞赛经历- 面试岗位：滴滴出行-算法工程师（机器学习/运筹优化方向）📝 面试全流程回顾1. 笔试（线上编程+数学）-算法题（2道，LeetCode中等偏上难度）- 动态规划：最长递增子序列变种（需优化到O(nlogn)）- 图论：Dijkstra算法实现+路径还原- 数学题（概率统计+线性代数）- 贝叶斯定理应用题（拼车场景下的概率计算）- 矩阵分解（SVD）的原理与优化意义2. 技术一面（1小时）- 代码能力- 手撕：实现带权随机抽样（Reservoir Sampling变种）- 代码优化：如何减少时间复杂度？- 机器学习基础- XGBoost vs LightGBM的差异？如何选择分裂点？- 如何解决推荐系统中的冷启动问题？- 业务场景题- 滴滴拼车订单匹配如何建模？（聚类+贪心算法的取舍）3. 技术二面（1.5小时）- 项目深挖- 详细介绍Kaggle竞赛方案（特征工程、模型融合技巧）- 追问：如果数据分布偏移（如疫情前后出行规律变化），如何调整模型？- 系统设计- 设计一个实时ETA（预估到达时间）系统：- 数据源（GPS/交通路况/历史数据）- 模型选型（时序模型+在线学习）- 异常情况处理（突发拥堵如何动态调整？）- 算法发散题- 如何用算法减少司机空驶率？（转化为图的最短路径问题）4. HR面（30分钟）- 团队协作经历、抗压能力举例- 期望薪资与工作地点偏好🌟 总体而言，滴滴面试强度还是可以的，问题问的很细，如果不会的话，同学们尽量委婉回答，引导面试官问出问题。滴滴待遇还是相当可以的，最后给大家一个内推链接，还有内推码。🚘投递方式【内推链接】https://app.mokahr.com/m/campus_apply/didiglobal/96064?recommendCode=DSW46Dg7&hash=%23%2Fjobs#/jobs【内推码】DSW46Dg7全流程跟进，投递的同学评论区留言，方便后续跟进，秋招加油！             

#牛客AI配图神器#先说结论，vivo的面试应该一般不直接挂人或录用，就技术面来说，主要负责验证简历内容的真实性和可信度，举个例子，你在简历上写下造过航母，如果你能经得住技术面半个小时的盘问，那么你的标签就是造航母的。反之，如果经受不住盘问，那么你的标签就是瞎扯淡的，与“本分”的企业文化相悖，这种情况下就会直接被技术面刷掉。如果顺利通过了技术面，那么hr面的工作只是负责检验面试者是否为正常人，所以一般不刷人。所以，最终vivo的录用其实依然是按照简历情况进行排序，bg，经历，等等因素，所以写简历的时候千万不能再低调了，当然也不能太夸张。线下面一面（技术）：自我介绍面试官从几个项目中挑一个让我介...

我看哪里都查不到苏宁的面经，自己就来写一下一面技术面，35分钟主要是问了项目相关，还有个人的一些经历，技术上没有太多的问问了一些transformer，还有大模型的知识，比如 transformer在图像上是如何做的，自己也记得看过，但是很模糊，答的不是很好反问面试流程，具体业务，自己回答的一些不足的方面PS.面试官人挺好的，说让我可以多看看大模型方面的东西，我自己做的东西说我答的挺好，然后应该就是kpi面了，早知道不请假了。后续：被约了二面，实属没想到

更新 已oc一面Transformer八股手撕 hard分糖果二面依旧Transformer八股问了点多模态的八股（这部分基本上没了解过，说了点自己的看法吧，个人做文本序列比较多）手撕最大子数组和许愿三面