最简单的笔试-睿智

历经两个月的鏖战，终于拿下某大厂算法岗Offer！复盘了30道高频面试题，分享给正在备战的同学：机器学习基础（10道）手推LR推导，为什么用交叉熵而不用MSE？偏差方差分解，Bagging vs Boosting怎么对应？XGBoost相比GBDT的改进点？二阶泰勒展开的意义？特征工程怎么做？连续特征离散化的好处？类别不平衡如何处理？Focal Loss原理？正则化L1、L2区别，为什么L1能产生稀疏解？聚类算法K-Means的优缺点？如何选K？模型评估指标：AUC计算逻辑和业务含义？随机森林的随机性体现在哪？梯度消失/爆炸原因及解决方案？深度学习（10道）11. BN原理，训练和测试阶段有什么区别？12. Transformer的self-attention计算过程？为什么要除√d？13. BERT的预训练任务是什么？WordPiece作用？14. 激活函数ReLU vs LeakyReLU vs GELU？15. 优化器SGD、Adam、AdamW的区别？16. 过拟合如何判断和解决？Dropout原理？17. 多卡训练：数据并行 vs 模型并行？18. Attention的几种形式？Additive vs Dot-Product？19. 残差连接为什么有效？20. 卷积参数量和FLOPs计算？手撕代码（5道）21. 手写Multi-Head Attention22. 实现二分类交叉熵损失函数23. 快速排序/归并排序（常考！）24. 编辑距离/最长公共子序列25. 二叉树遍历（递归+非递归）业务场景（5道）26. 短视频推荐，冷启动怎么解决？27. 广告CTR预估，特征怎么设计？28. 搜索排序，如何平衡相关性和多样性？29. 用户长短期兴趣如何建模？30. 线上AB测试，指标怎么选？

听起来和大家的观点不同，算法面试要容易很多。算法的更新迭代非常快，大家都在同一起跑线。最多面到2年前的内容。 科班出身的研究生， 认真花上半年，足够从小白到面试高手了。开发则不一样，知识点非常多，对项目能力要求比较高。需要1年的时间才能真正入门，想要通过大厂面试，则可能更久。算法真正的难度在：对学历、论文和实习的强要求。随着现在越来越卷，算法的门槛跟开发也越来越近了。

大学时期的碎碎念好像成真了。当时学习Java的时候感觉东西好多，各种中间件，后来又涌现出来ai。心里想随着越来越多的知识 大学四年也许根本满足不了毕业入职的要求，因此可能小学就得普及学习计算机语法，初中开始打acm，高中学习web开发🐶今年校招提前好几个月以为已经是坏的环境，没想到腾讯又来了一波大的。高中3年 大学4年 研究生3年 加起来刚好实习十年

面了快20场了，有些问题真的问得我当场想摔手机！但又只能陪着笑脸硬答。先列几个我最想吐槽的，看看大家有没有同感：“你最大的缺点是什么？”（内心OS：我说我追求完美你说我装，我说我脾气急你说我情商低，我到底该说什么？说缺点是我太爱说实话？）“你能不能接受加班？”（内心OS：我说能，你让我往死里加；我说不能，直接送我走。这题到底有没有标准答案啊喂！）“看你成绩一般，大学是不是光玩了？”（内心OS：杀人诛心啊！这让我怎么接？说我菜但努力？还是直接承认我就是个混子？）“你有什么要问我的吗？”（然后只剩5分钟）（内心OS：我准备了一堆问题，结果你告诉我只剩5分钟？那我是问还是不问？）还有没有更离谱的？评论区交出你遇到过的面试“送命题”！