四月中旬才开始投递，总算是抓住了暑期的尾巴time line如下：4.15投递5.6一面5.7二面5.8三面512收到offer（一周速通三面，感觉可以挑战全网最快流程）一面（技术面）：约80分钟1. 自我介绍2. 详细盘问了科研论文的项目（深度强化学习方向），问的非常详细，包括论文的主要创新点、具体的建模细节等，非常刨根问底，几乎每个设计都要问一下为什么，其中也交叉问了一些八股，主要是强化学习方面的，如loss如何计算与传递等。常规问题以外，面试官还进行了一些拓展，比如让我思考这个科研项目距离落地还需要做哪些工作，多目标的奖励权重如何更新等，这部分我答的不好，但是面试官也非常耐心，一步步引导我去进行思考，也和我交流了他们实际业务中应用强化学习的一些设计。3. 然后又盘问了在滴滴做的项目，这个主要是大致介绍了业务的背景、项目的目标、模型选型的考虑等。其中具体问了一些推荐系统模型的八股（因为简历里有写），如w＆d、deepfm、d＆c network等的模型特点。4. 面试官介绍了下组里的一些业务，以及如果我能进来的话可以做的一些方向，涵盖的内容非常广，从传统运筹的路径规划到强化学习再到营销用增方向。由于项目和业务上聊了很多，导致没时间手撕，面试官就让我自己截图回去做，做完微信发给他即可。手撕的题是一道力扣mid，最佳股票策略。二面（技术面）：约40分钟一面结束后立刻发来了二面通知，第二天上午十一点有趣的是，大概当天十点半的时候，二面还没开始，三面的链接就已经发来了1. 自我介绍2. 滴滴实习项目盘问，问的也很细，跟一面的问题有一些重叠，还问了业务中如果遇到没出现的特征应该怎么处理等数据预处理的问题3. 科研论文盘问，dtw距离是什么，如何计算？k中心聚类的步骤，都是一些常见的八股4. 手撕：力扣mid 编辑距离，发现美团很喜欢出动规题5. 业务介绍，一面时介绍的已经比较仔细了，也没什么需要反问的三面（hr面）：约20分钟都是一些开放性的问题，开始侃侃而谈1. 经过前两轮面试，对业务有什么了解？2. 平常有没有用过业务相关的产品？体验怎么样？有哪些痛点？3. 如何利用ai来辅助进行业务升级？举几个具体的场景4. 简历中最能体现自己能力的项目是哪个？具体展开说明5. 过去的几段实习经历里，给自己带来最大改变的是什么？带来了哪些改变？6. 反问

一面（42min）5.23迟到了五分钟，面试官脾气真好居然没骂我先自我介绍项目拷打：问了强化学习的项目，具体的建模方式，奖励函数是怎么设计的，输入特征有多少？为什么用value based模型不用policy based模型？dqn结构怎么设计？训练了多久？挖掘了很多建模和求解细节。然后问了在滴滴做的预测项目，这个问的比较少，主要是深度学习的一些八股，比如FM的原理和优点。手撕：最大重复订单数反问：问了下对方是什么业务，因为饿了么面试只显示岗位是机器学习，不知道具体是哪个部门；然后问了对方强化学习在业务里的集体应用。周五面的，下一周的周一通过，约了二面二面（50min）5.27面试官上来先聊了下他们做的一些业务方向，是饿了么订单分配相关的，然后问我对业务有什么问题，可以先讨论下，如果我想先面试的话也可以。我说那先面试吧，业务问题等面完再交流。先是自我介绍，基本和一面一样。面试官听完后，说我的科研项目和实习项目都和他们实际业务比较相关，然后逐一拷打了我的论文项目和实习项目，有些问题和一面差不多，这里挑一些新的问题介绍一下：为什么在论文中选用了dqn？是基于什么考虑？创新点在哪里？论文里有涉及区域聚类，是基于城市土地信息来划定类别还是基于订单分布？baseline是什么？比较的效果怎么样？预测项目拷打的比一面更细，仔细了解了每个头输出的label，以及其中具体某个label在预测中的准确度问题和解决方案；还讨论了分场景下的预测是怎么做的。手撕：一个数组 每个数可以减去在自己右边的数 求差的最大值场景建模题：三个订单，分别有商家位置和用户位置，要规划一条路径去送餐，其中每个订单有时间窗限制，问应该如何建模？最后讨论了论文的场景复用到外卖供需调度场景的可能性和挑战。反问：也是问了强化学习在分单中的应用；还有岗位是否要求立即到岗。面试官非常有礼貌，基本都是先把自己的问题罗列一遍，然后让我逐一去回答，过程中也不会突然打断，面试体验非常棒。第二天通过，约了hr面hr面（65min）5.30一开始说大概面30-40分钟，后来逐渐失控...省去了自我介绍的环节，主要从以下几个维度来提问：实习经历：看到我这边有两段实习，主要问了在滴滴的实习经历，大致描述下整个实习过程做了什么，整个链路是怎么样的？最大的挑战是什么？最亮眼的产出是什么？上一顿实习有什么遗憾？项目是独立做的还是团队合作？学习一个新模型的思路是什么？通过哪些途径？在大公司实习和小公司有什么区别？哪个带来的成长更多？过往的学习经历：为什么本科选了这个专业？是因为高中就有相应规划还是依据高考分数选的？为什么考研现在这个专业？为什么来找算法岗的工作？觉得过往经历中对自己帮助最大的两件事是什么？未来规划：从现在开始到未来的某个时间节点，最想做好的三件事是什么？入职三年的职业规划是什么样的？对饿了么的看法：对饿了么有什么认识？评价怎么样？平时用的过程中有哪些问题？和其他offer相比，它的优势和劣势分别是什么？整体还聊了很多，有些记不起来了，反正都是些开放类的问题，侃侃而谈即可。6.5号意向

一面： 自我介绍盘问项目，主要是在学习课题组做的网约车相关的项目，侧重于盘问关于神经网络训练方面的内容，在训练过程中有没有遇到过拟合的情况？详细描述这种情况？你认为过拟合的原因是什么？怎样解决？优化的指标是什么？模型求解的效果如何？遗传算法相比较其他启发式算法的优缺点？对常用的机器学习模型的了解如何？了解过决策树模型吗？简述随机森林算法和XGboost的区别？是否了解过用神经网络来进行时序预测的方法？手敲冒泡排序最后出了一个数学题，一根长为1的木棍，截为三段，问组成一个三角形的概率是多少？（差点给我难住）随后面试官介绍了组里的业务职责，询问了到岗时间等反问：简单评价我今天面试的表现 答：基本满意，时序预测和RNN方面需要再学习下一天后约了二面：自我介绍第一个项目（深挖）：项目的痛点是什么？怎么解决？这种解决方法有什么好处？聚类为什么聚成5类？采用什么方式聚类？用了什么距离来比较两个时间序列的相似度？上一问回答了动态规整距离，然后就问这个距离具体是怎么计算的？为什么要采用这种方式？模型的可解释性怎么体现？第二个项目（大致聊了聊）：车间调度的项目，大致问了项目背景，目标函数和约束条件反问：进组之后可以接触哪些业务？大致介绍了一下进组后的业务，对实习生的要求之类的其他还问了一些未来职业发展的方向、平时的爱好等二面结束15分钟后，收到了hr的口头offer

一面： 自我介绍盘问项目，主要问了在学校课题组做的一个网约车相关的项目，重点问了DQN构建的技术细节（因为项目中有DQN相关算法的内容）模糊C均值聚类和一般的硬聚类方法有什么区别？发了个力扣链接，做一道简单题（实现整数列表的加一操作）大致介绍了岗位的职责反问当天下午接到电话，约了第二天上午二面二面：自我介绍盘问项目，主要还是关于DQN的内容，但是这次问的更深更细一些，比如说DQN有什么好处？为什么选用这个模型？DQN和DDQN有什么区别？这个方法的创新点是什么？和滴滴之前发的论文有什么区别？K中心聚类与密度聚类的区别？是否熟悉XGboost？反问二面很快就结束了，很多地方都没有答的很好，面试官态度也比较冷淡，本以为凉凉了没想到当天下午居然接到了hr的电话，发了口头offer

这个岗位偏向数据挖掘，主要涉及供应链方向一面（技术面）自我介绍盘问项目，主要是在学校课题组做的网约车相关项目，盘问了建模的细节、创新点、模型的求解效果等（面试官人超级好，帮我指出了一些可以改进的点，并且还对我整体的内容做了拓展，建议我的毕业论文还可以结合哪方面去扩充，超级牛的老师）为什么用DQN而不是PPO，两者有什么区别简述浅拷贝与深拷贝的区别？讲讲用过的git的操作指令谈一谈多线程与多进程的理解看到我简历中有用到遗传算法，老师还问了对于现在最新的一些群智能/进化算法有没有了解（回答没有，这点需要多补充学习）出了一道建模题，在一块电子板上，有100个有正负极的电子管，其中有50对电子管需要产生连接，电子管之间可以正负相连也可以负正相连，要求连接线路不可交叉，若有交叉可以让部分线路在电子板反面进行连接，目标是反面连接的线路越少越好我把这个问题和上一段实习中涉及的一个项目做了对照，讲了我在项目中是怎么解决的（邻域搜索算法），老师说这种路径搜索的问题，现在一般用A*算法、深度搜索算法等。反问：问了老师更看重实习生的那些品质？-答：钻研的态度+新技术的探索+个人的思考+对问题的敏感度这次面试是体验感最好的一次，感觉并不是我在单方面回答面试官的问题，而是我和面试官老师在共同探讨问题，有种学生请教老师的感觉，非常美妙，也非常感谢这位老师过了三个工作日，收到二面的邮件~二面（有点类似hr面）：这一面有点类似与唠嗑（？上来先问我那年毕业，我说26年，面试官说找实习挺早哈，我说对找工作比较焦虑哈。然后问了毕业后准备读博还是就业，答：优先就业在做项目或者研究时，有没有遇到困难和挫折？主要来自于哪里？如何克服？平时怎样缓解压力？