國慶第六天，也不忘記要充電。GitHub上有位id為imhuay的熱心人建立了一個關于國內(nèi)知名互聯(lián)網(wǎng)企業(yè)筆試和面試經(jīng)驗的資源庫，詳盡地總結(jié)百度騰訊頭條小米滴滴等名企網(wǎng)招、校招筆試面試時的內(nèi)容和套路，非常值得參考，而且是純中文的哦！

國慶長假就要結(jié)束了，假期歇得怎么樣，是不是有點歇懶了呢？上班在即，要不要提前充充電？

近日，ICLR2019論文投稿列表公布，一篇BigGAN論文引發(fā)業(yè)界熱議。

兩相結(jié)合說明了什么？不怕別人比你優(yōu)秀，怕的是比你優(yōu)秀的人比你還勤奮！

勞逸結(jié)合十分重要，但相信也有不少人都準備提前充電吧。

最近，在GitHub上有位id為imhuay的熱心人帶頭建立了一個關于國內(nèi)知名互聯(lián)網(wǎng)企業(yè)筆試和面試經(jīng)驗的資源庫，光從名稱上就能看出其內(nèi)容有多豐富：《2018/2019/校招/春招/秋招/算法/機器學習(MachineLearning)/深度學習(Deep Learning)/自然語言處理(NLP)/C/C++/Python/面試筆記》。

其中除了初步梳理和介紹的機器學習領域重要的基礎知識和脈絡結(jié)構(gòu)之外，還總結(jié)了一些國內(nèi)互聯(lián)網(wǎng)名企網(wǎng)招、校招筆試面試時的內(nèi)容和套路，非常值得立志進入這些企業(yè)的小伙伴們參考，而且是純中文的哦！

目前，該資源庫在Github上已經(jīng)獲得4200多星，可以說是很火熱了。

Github資源庫地址：

https://github.com/imhuay/Algorithm_Interview_Notes-Chinese

這個庫有三個貢獻者，多虧他們，才能集聚如此豐富的題庫。在此，首先向這三位開發(fā)者致謝。

下面我們一起來看看，這個資源庫收集了哪些寶貴資源。

主頁面很簡潔，就是一份按內(nèi)容劃分的主目錄。除了最后一項“筆試面經(jīng)”之外，其他的目錄標題都是和計算機相關的熱門主題詞。里面是相關主題詞下的一些知識介紹和技術(shù)資料，同樣值得參考。

計算機相關熱門話題知識介紹和總結(jié)

比如“機器學習”這個條目，點擊進去可以看到一些子目錄，包括“機器學習基礎”、“機器學習算法”、“機器學習實踐”、“集成學習”。

繼續(xù)點擊可以看到相關主題下的資料，比如下面就是“機器學習基礎”子目錄下關于“生成模型與判別模型”的介紹。

其他目錄結(jié)構(gòu)與此類似，比如下圖是“機器學習算法”子目錄下對支持向量機（SVM）的介紹。

再來看看同樣熱門的“自然語言處理”，子目錄分別為：自然語言處理基礎、詞向量、句向量。

里面內(nèi)容同樣相當豐富，以“自然語言處理基礎”為例，下圖分別為Seq2Seq模型和語言模型的介紹。

除了知識總結(jié)與資料介紹，相信小伙伴們最關心的還是國內(nèi)互聯(lián)網(wǎng)名企的筆試面經(jīng)了。

百度、騰訊、頭條等名企筆試面經(jīng)：一面二面三面

點擊主目錄下的“筆試面經(jīng)”，百度、騰訊、360、字節(jié)跳動等互聯(lián)網(wǎng)名企赫然在列，我們來看看這些大牛企業(yè)筆試面試都考點啥。

先看騰訊的筆試，更新時間為9月16日，主目錄中給出了3道筆試題，分別是字符串系數(shù)、小Q與牛牛的游戲、三元組。

每道題的下方都給出了相應的代碼和解法，涉及Python和C++語言。下圖為第二題的解法代碼。

再來看看百度的筆試，更新時間為9月14日。呈現(xiàn)形式基本一致，收錄兩道筆試題，字符串計數(shù)、尋尋覓覓。

主目錄下還有不少企業(yè)的筆試題收錄，感興趣的小伙伴可以自行食用。

https://github.com/imhuay/Algorithm_Interview_Notes-Chinese/tree/master/D-%E7%AC%94%E8%AF%95%E9%9D%A2%E7%BB%8F

互聯(lián)網(wǎng)名企筆試面經(jīng)：面試部分

接下來看面試，這里給出了一位小伙伴面試字節(jié)跳動深度學習/NLP方向職位的面試流程，一共四面，全程第一視角，生動形象，簡直有身臨其境之感！其中還不時穿插面試人自己的內(nèi)心OS（“不會、瞎說的、尬聊”什么的，小編也是服氣），可以說是很耿直了！

不過面試時這再正常不過了，不信你去試試，畢竟你跺你也麻！

來看看這位老兄的面試經(jīng)歷吧！不容易?。?/p>

一面：

自我介紹，聊項目，深度學習基本問題

【算法】手寫 K-Means?？目慕O絆算是寫出來一個框架，內(nèi)部細節(jié)全是問題，面試官比較寬容，勉強算過了

二面：

自我介紹，聊項目，深度學習基本問題

【算法】找數(shù)組中前 k 大的數(shù)字。我說了兩個思路：最小堆和快排中的 partition 方法；讓我選一個實現(xiàn)，我選的堆方法，然后又讓我實現(xiàn)調(diào)整堆的方法。

三面：

自我介紹。為什么會出現(xiàn)梯度消失和梯度爆炸。

分別說了下前饋網(wǎng)絡和 RNN 出現(xiàn)梯度消失的情況，有哪些解決方法。

因為提到了殘差和門機制，所以又問，分別說下它們?yōu)槭裁茨芫徑馓荻认?/p>

因為說殘差的時候提到了 ResNet，讓我介紹下 ResNet（沒用過，隨便說了幾句）

其他加速網(wǎng)絡收斂的方法（除了殘差和門機制）

我從優(yōu)化方法的角度說了一點（SGB 的改進：動量方法、Adam）

提示我 BN，然后我就把 BN 的做法說了一下

然后問 BN 為什么能加速網(wǎng)絡的收斂（從數(shù)據(jù)分布的角度隨便說了幾句）

傳統(tǒng)的機器學習方法（簡歷上寫用過 GBDT），簡單介紹下 XGBoost

CART 樹怎么選擇切分點（基尼系數(shù)）

基尼系數(shù)的動機、原理（不會）

【算法】直方圖蓄水問題，LeetCode 42. 接雨水；

當時太緊張沒想出 O(N) 解法，面試一結(jié)束就想出來了，哎~

附 AC 代碼

class Solution {

public:

int trap(vector& H) {

int n = H.size();

vector dp_fw(H);

vector dp_bw(H);

for(int i=1; i

dp_fw[i] = max(dp_fw[i-1], dp_fw[i]);

for(int i=n-2; i>=0; i--) // 記錄每個位置右邊的最高點

dp_bw[i] = max(dp_bw[i+1], dp_bw[i]);

int ret = 0;

for (int i=1; i

ret += min(dp_fw[i], dp_bw[i]) - H[i];

return ret;

}

};

四面（非加面）

因為流程出了問題，其實還是三面

【算法】和為 K 的連續(xù)子數(shù)組，返回首尾位置

LeetCode 560. 和為K的子數(shù)組

很熟悉的題，但就是沒想出來；然后面試官降低了難度，數(shù)組改成有序且為正整數(shù)，用雙指針勉強寫了出來；但是邊界判斷有問題，被指了出來；然后又問無序的情況或者有負數(shù)的情況能不能也用雙指針做，尬聊了幾分鐘，沒說出個所以然。

如何無監(jiān)督的學習句子表示

我說 Self-Attention，讓我把公式寫出來，因為寫的不清楚，讓我寫原始的 Attention

然后問怎么訓練，損失函數(shù)是什么（沒說出來，除了詞向量我基本沒碰過無監(jiān)督任務，而且我認為詞向量也算不上無監(jiān)督...）

如何無監(jiān)督的學習一個短視頻的特征表示

抽取關鍵幀，然后通過 ResNet 等模型對每一幀轉(zhuǎn)化為特征表示，然后對各幀的特征向量做拼接或者直接保存為二維特征（瞎說的，別說視頻，我連圖像都沒做過）

再來看一個今日頭條算法工程實習生崗位的面試：

一面：

自我介紹；二分查找；

Algorithm_for_Interview/常用子函數(shù)/二分查找模板.hpp

判斷鏈表是否有環(huán)；

Algorithm_for_Interview/鏈表/鏈表中環(huán)的入口結(jié)點.hpp

將數(shù)組元素劃分成兩部分，使兩部分和的差最小，數(shù)組順序可變；

Algorithm_for_Interview/查找與排序/暴力搜索_劃分數(shù)組使和之差最小.hpp

智力題，在一個圓環(huán)上隨機添加3個點，三個點組成一個銳角三角形的概率；

../數(shù)學問題/#1

推導邏輯斯蒂回歸、線性支持向量機算法；

../機器學習/邏輯斯蒂回歸推導

../機器學習/線性支持向量機推導

二面：

在一個圓環(huán)上隨機添加3點，三個點組成一個銳角三角形的概率，用積分計算上述概率。用程序解決上述問題。

多次采樣求概率，關鍵是如何判斷采樣的三個點能否構(gòu)成銳角三角形，不同的抽象會帶來不同的復雜度。

最直接的想法是，根據(jù)邊長關系，此時需要采樣三個 x 坐標值，相應的 y 坐標通過計算得出，然后計算三邊長度，再判斷，循環(huán)以上過程，計算形成銳角的比例。

更簡單的，根據(jù) ../數(shù)學/#1 中提到的簡單思路，原問題可以等價于“拋兩次硬幣，求兩次均為正面的概率”——此時，只需要采樣兩個(0, 1)之間的值，當兩個值都小于 0.5 意味著能構(gòu)成銳角三角形。

深度學習，推導反向傳播算法，知道什么激活函數(shù)，不用激活函數(shù)會怎么樣，ROC與precesion/recall評估模型的手段有何區(qū)別，什么情況下應該用哪一種？深度學習如何參數(shù)初始化？

介紹kaggle項目，titanic，用到了哪些框架，用到了哪些算法；

三面：

自我介紹。分層遍歷二叉樹，相鄰層的遍歷方向相反，如第一層從左到右遍歷，下一層從右向左遍歷；

介紹AdaBoost算法。介紹梯度下降，隨機梯度下降。寫出邏輯斯蒂回歸的損失函數(shù)。C++，虛函數(shù)，虛析構(gòu)函數(shù)。

先說到這里，Github庫中還有更多資料，只待你去探索。當然，也歡迎你把自己的面試經(jīng)驗簡單總結(jié)，留給后來的小伙伴們參考哦~