诺瓦星云算法二面

接offer📍面试公司：威富通（深圳）    📖面试问题：一面：  50分钟左右开始前5分钟hr打电话问我还有空来参见面试吗，搞得忘录音了主要介绍项目，难点亮点这样，面试官比较有兴趣，基本全程是围绕项目展开的。罗列一下大概的知识点：1.多线程2.JVM锁、分布式锁3.MySQL索引，访问量变高导致查询变慢，处理慢查询🙌面试体验：面试官很nice，会引导学习、解决思考问题的方向，给加深学习提供意见一面结束几分钟，刚准备写面经，hr打电话直接约立马二面。二面：   30分钟左右二面面试官很随和，交流也很顺畅，主要是聊项目，一点思维碰撞二面结束面经还没写完，约hr面了hr：   30分钟主要了解公司情况，基本情况，是否与公司符合，实习经历，个人学习，薪资了解通宵准备了一晚上,6点半睡得，8点多起的，9点半一面开始，11点半hr面结束

0.部门相关1.能详细的介绍下这个部门吗？2.部门里面晋升速度快吗？3.你们这个部门的新人培养机制是怎么样的？4.这个部门的稳定性和人员流动性怎么样？1.月薪的组成部分有哪些？月度薪资的组成可能包含：固定薪资、绩效、奖金、福利津贴、股权激励等等，一定要问清楚各个部分是什么。2.房补餐补交通补差旅补贴提供员工宿舍吗？需要缴纳多少物业费？若不提供，有房补吗？加班交通是否报销？差旅补贴多少？差旅是否全额交通报销？差旅的餐标及住宿标注是什么？3.晋升及调薪一年有多少次晋升及调薪的机会？调薪的比例是多少？4.职级评定公司是否有完整的职级体系，给到"我"的职级是多少？评定标准是什么？5...

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

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🌟 滴滴算法团队特点业务驱动：算法直接影响亿级用户体验，成就感强技术栈前沿：时空预测、强化学习、因果推断等均有落地成长快：技术大牛密集，新人可接触核心项目🚘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立刻投递，快人一步，抢跑未来全流程跟进，投递的同学评论区留言，方便后续跟进，秋招加油！