5/15-5/22一周速通了b站搜推广，春招也拿了几家初创/大厂llm的offer。上周一周七面，欢迎交流b站和春招情况~在xhs分享很多llm的面经和知识，ID: 2920343704。欢迎关注➕咨询~

字节简历挂了(秋招还能过的…)小红书笔试挂(好像卡论文简历也过不了)腾讯没动静蚂蚁上周三二面以后没动静，据说还有一次交叉面喜马拉雅笔试AK后没动静携程笔试后没动静==========更新4.16==========收到喜马拉雅感谢信，好好好，AK挂我==========更新6.2=========B站offer腾讯2面g 不过据说会反复捞Shopee 二面结束没动静蚂蚁2面结束等3面 （换了部门）携程一面过了然后我把二面拒了pdd 三次笔试一次没做，又想做了，感觉pdd很缺人，上次真想做来着Boss二面通过 hr 说组织架构调整不招人了智慧芽 2面通过 薪资没谈拢流程结束

📅oc时间线8月底被hr 打电话投公开，后来又被另一个hr 拉去云核免笔试2023.11.7 三面期间被告知没有hc2024.1.31 offer遥遥领先 内心无悲无喜

真被恶心到了，华为招聘真的是经历一遍整个过程才知道有多么无语。9月之前投了别的部门，然后后来被☁️核hr劝戒转投了他们。☁️核还真是网红部门，一个个说的比唱的好听，刚开始都很热心，准确的说一直都挺热情的直到开offer期间。刚开始面试完说去只要愿意去上海offer随便发，面评我自己觉得一般，但是学校还有经历还行，说给25k。等啊等啊等啊，期间还帮她们部门推了我同学和几个朋友。后来陆陆续续开，一直说北研所进度慢，也懒得问了。2024年了去问了竟然说之前去申请调整薪资了，本来只给22k,那你不早说啊？？现在薪资调整好了名额没了，看看能不能问其他部门借到名额了？？我推过去的同学因为面评太好被和15的人排序，结果还是没名额，咋地人家说期望22k你非得给15级然后去排序是吧。以后干脆不想要直接报23级去和余承东排序吧。本来的好印象全没了，彻底黑化了。最后想说的是，你最好借到名额给我同学，小爷不伺候了，去效忠团子了。钱少b事多！祝好。

感觉今年上海hc挺充足，明年华为上研所统一搬到青浦区华为研究所，挺偏的。预计本月底左右开始开奖吧，hr 跟我说只想我愿意去上海，offer一定发，就是薪资不能保证之前问她面评她直接跟我说了我的一些面试题目，还是有一些可信度的, 问了问手里的offer, 薪资这些，然后让我推荐同学说再来一两百都能要

投那么早没动静，刚刚打过来电话问我最近还在找工作吗 又开始捞人了

11.7 速通华子，秋招结束！手撕题一面：基础知识 + 括号匹配 45mins二面：简历面 + 编码 基本计算器 50mins三面：主管面 谈人生，聊理想 + 企业文化求职建议 40mins主管面挺有意思的，深刻地感受到了华为浓重的企业文化（非贬义），由内而外散发出来的企业文化认同感，主管给了一些就业建议，我听完已经热血沸腾，化身华孝子。不得不说，企业文化真的吊，客观而言，只有适合自己的公司，而且公司这么大，难免有让人反感的地方，希望大家理性看待。最后希望开个奖！华为牛逼！遥遥领先！！！

有了解地图服务部的嘛，卷不卷，base上海做算法相关，POI相关，听hr说整个部门也有上千人，是边缘部门吗

58同城一面 2023/10/10 70mins1、自我介绍2、实习、问的很细、每一步都在思考怎么实现，然后发出问题，斯皮尔曼系数，如何用kmeans对斯皮尔曼系数做聚类，不同的点划分在不同的类别怎么办？什么样的数据适用于kmeans？如何取k3、IMOE，PLE有了解吗4、比赛，DNN结构，解决过拟合的方式？5、Coding：给了一个求中位数（没做出来），然后给了一个求两个链表的公共节点6、反问，建议

之前快手投过一个机器学习的岗位，然后当时还迟到了（之前写过一个面经)，面的不太好。上周重新投了另一个岗位，今天又安排了一场面试，然后进入面试发现是之前的面试官，场面就变得有意思起来了。他让我自我介绍，我都想要说你不是认识我吗然后我准备开始的时候他说我是不是面试过你。问我有没有印象，然后就说去和hr联系看看什么情况就结束面试了时隔一个月，你都不来看看我进步了嘛哈哈哈最后问了hr说面试官都是打乱来面试的，换面试官重新约时间了，老哥，我们还挺有缘的

第一次笔试AK!

联想你不招人就别面了，真的很搞，虽然面试官很友好，开始面试的时候才到的我的简历，应该也不是不匹配吧，全程聊天，感觉面试官说的话都比我说的多，一上来问我南特在哪，南特足球咋样不要人别这样搞了，有时差我凌晨4点起来和你聊天容易嘛 很难不生气

先求普通编辑距离的dp数组，然后倒回去求各个操作数的次数

快手一面凉经 算法我迟到10分钟 面试45分钟1. 和为k的连续数组2.AUC 公式，物理意义，GAUC，auc缺点3.L1 和L24. Dropout 训练预测区别 BN在哪些场景下不适用5.Xgboost特点6.损失函数评价函数，Huber7.交叉熵公式 为什么分类用交叉熵不用Mae8.生成式模型与判别式模型，NLP了解吗(我是做数据挖掘的, 认识不深，说不了解)9.实习介绍 量化相关的10反问搜推广的大佬面的，体验挺好，我还迟到了，睡眼朦胧起来面试我太菜了，简历上的kaggle比赛说我就不问了，简单了解了一下项目。好像不是很感兴趣大概率凉，简单分享下，我是做数据挖掘的，机器学习居多，深度学习涉及不深，太菜了太菜了，现在就是说没深度学习活不了了吗，Twitter 的推荐系统不也是gdbt+lr 粗排的嘛