个人情况
双非本科，985 研究生，研究方向自然语言处理，比较渣，大概从 19 年 6 月份开始准备秋招，大部分压在了提前批，七月份疯狂投简历，投了大概有二十几家，收到面试的有五六家。其中作业帮收到意向 offer；百度确定已有 offer，国庆节左右谈薪资；京东已收到录用函，职位软开。
百度 算法岗（提前批，百度地图）
共三面，可以说三面都是技术，不过第三面夹杂了点职业规划。
一面（90min）
-
自我介绍+项目提问 -
机器学习算法都用过哪些 -
说一下决策树吧，节点划分有哪些方法，如何剪枝 -
SVM了解吗？有什么优点？优化方法？ -
Bagging和boosting -
有什么想问的（问了部门方向之类的）
二面（100min）
-
自我介绍+项目提问+实习经历提问 -
Batchnorm了解吗？ -
你知道哪些优化函数？ -
为什么xgboost效果不如随机森林？ -
选取了哪些特征？ -
机器学习的优化方法了解吗？ -
相似度计算除了神经网络的方法还有什么方法？针对文本和离散特征的情况呢？ -
我看你本科学硬件的，传感器了解吗？ -
手机上有哪些传感器？（可能是手机地图的部门） -
情景题：如何检测藏头诗？机器学习可以吗？神经网络呢？为什么可以？如果不是诗句，普通的文本如何检测是否有人为的编码信息？有什么思路？（情景题是考验思路，一定要灵活，不对也没关系，找到问题的几个关键点，先弱化其中几个关键点，再提出思路，一步一步解决）
三面（60min）
-
项目提问（占据大部分时间） -
如果产品向你提出了不合理的要求，你如何处理？ -
有没有很深刻的受打击的经历？ -
如何看待工作压力大的问题？ -
平常如何释放压力？ -
如果我给你offer，你有多大几率会来？
一周后收到 offercall，总体面试体验极好，面试小姐姐说唯一遗憾的是电话面试，没能面到代码能力，不过觉得我比较 match，给了 offer，真的是面试体验最好的一次了。
寒武纪 算法岗
共一面，未过。之前拿到的免笔试直接面试资格，很晚了才通知面试，估计是走个过场。
-
浅copy和深copy的区别 -
Python中的self关键字 -
类的继承 -
完全二叉树的概念 -
一个具有N节点的完全二叉树深度是多少（ [log2n]+1） -
链表与线性表的区别（答错了，把线性表和顺序存储搞错了。。。） -
介绍一下第二个类案推荐的项目 -
为什么使用transformer？ -
分层的结构会破坏文本的连贯性吗？ -
目前有多少数据？
作业帮 NLP 算法岗
共三面。一周后收到录用意向书。
一面
-
项目提问 -
给出前序遍历和中序遍历，重建二叉树 -
旋转链表
二面
-
项目提问 -
N3的木板，用13的块铺满，有多少种方案？（动态规划） -
旋转数组找最大值
三面
-
感觉我们面试官怎么样？ -
说说你对作业帮的了解 -
你对薪资有什么期望？ -
机器学习和深度学习你希望从事哪方面的工作？ -
你希望的工作环境是什么？ -
能来实习吗？
科大讯飞 自然语言处理算法工程师
共两面。一面较简单，二面未过。
一面
-
自我介绍 -
你使用过的优化器有哪些，简单介绍一下 -
类案推荐项目结果怎么样，如何评测的？ -
一篇文书里面多个案件的情况是如何处理的？ -
长文本的问题是如何解决的？
二面
-
项目提问 -
你在项目中属于什么角色？ -
遇到不会的问题一般怎么解决？ -
师兄对你帮助大吗？ -
合肥和北京你想去哪里？ -
对薪资有什么要求？
追一科技
共一面，未过。
-
项目提问 -
知道graph神经网络吗？听了几次都没听清什么网络，说不了解，了解胶囊神经网络，实际上我了解图神经网络。。。。。。 -
看论文的频率是多少？ -
你应该多关注一下其他领域的东西，拓宽一下知识面，虚心接受 -
说自己也在做法律文书方面的东西，有共同语言 -
然后就开始说组里的人都很牛逼，大部分是博士，最次都是清北的。。。。。说了有接近20分钟。。。。。。原谅我这渣硕没资格
腾讯 技术研究-自然语言处理
共一面，未过。怼得体无完肤，太难了，太全面了，原谅我太菜。
-
了解XGboost吗？ -
随机森林和XGboost什么区别？ -
隐马尔科夫了解吗？ -
朴素贝叶斯与贝叶斯有什么区别？ -
LR和SVM什么区别？ -
LSTM里面有哪些门，为什么用这些门？ -
LSTM里面为什么有些激活函数用sigmoid，有些用tanh？ -
对于多任务模型有哪些最新进展？ -
从理论角度讲解一下基于不确定性平衡多任务各个loss的原理以及合理性 -
Bert了解吗？ -
Bert里面位置向量的作用是什么？有哪些生成方式？ -
XLnet了解吗？ -
为什么XLnet效果比bert效果好？ -
Word2vector原理，优化方法？ -
聚类的算法有哪些？评价方法？优化算法？ -
情感词在情感计算中的如何计算情感？ -
情景题：有上亿的邮件，如何聚类？应该从哪些方面考虑？ -
Kmeans与kNN什么区别？ -
Kmeans的缺点？如何改善？