抖音一面

1. 聊实习项目，深入提问
2. 机器学习基础：AUC的物理意义，为什么常用？梯度消失和梯度爆炸为什么出现，怎么缓解？用过

word2vec，讲讲它的原理等等

1. 写代码：给定一个词-频率的hash map和一个样本长度l，按照词频采样l个词。分析复杂度

抖音二面

1. 聊实习项目。问到一些图embedding的方法、PCA的原理等
2. 开放问题：样本不平衡的问题
3. 概率题：一个圆上均匀任取三个点，连成一个三角形，是锐角三角形的概率
4. 代码题：翻转字符串里的单词（LeetCode easy）

抖音三面

1. 聊实习项目。推荐相关的开放性问题
2. 代码题：与一面的题一样，本来是要写的，但面试官好像没搞好链接，就让我口述了一下。分析复杂度，还能

怎么优化。

面经13-算法-字节电商

自我介绍，挑一个你想说的项目介绍

做了什么特征工作，为什么选择cnn-bilstm

mape的定义？有没有用过其它指标？

用什么语言？

问了python关于局部变ᰁ的问题

不可变对象字符串和元组

有没有用过mysql或其它数据库

left join和inner join

第一个问题，正负样本不均衡的时候如何处理

第二个问题，遇到高维数据怎么办

做一个题吧

取链表倒数第k个节点写过原题

做的时候让改成列表主要考察思路

第二个看到题我说我做过就换了一个

第三个题没见过二维动规也蛮简单但我做了可能十五分钟。。还好写出来了

搜了一下题目是三角形中最小路径和剑指offer中的

还问了一些相关的小知识点穿插在项目中提问的：

0，模型集成的思想有哪些有什么区别

0，随机森林用的是哪个它的核心是什么

我：完全生长+列采样行采样

面试官：其实还有一个吧它选取特征的时候是随机选取一部分特征

我：哦是的，这样的话可以使得树生长的更不一样

1，lstm的组成单元有哪些

2，lstm为什么可以处理长时间依赖

面试官(提示)：哪个构件起到了这个作用

回答：遗忘门+一大堆遗忘门balal

面试官（大笑）：你要不再考虑一下

我：。。。

面试官：门的构架可以控制短期记忆，那细胞状态呢细胞状态用来控制什么

我：细胞状态，就相当于一个网络记忆（一直说不到点上其实我就是不会。）

面试官：那我换一个问法吧他那个细胞状态是加性的还是乘性的

面试官：就是说哪个更容易带来梯度爆炸

我：相乘

面试官：细胞结构这一块它是一个加性的操作，门是乘性的

3，门里的激活函数用的是什么

sigmoid型

4，为什么sigmoid

它输出是0到1的

5，常用的激活函数

sigmoid型：logistic tanh

relu类

6，cnn的基本变种你有了解吗

我：了解的不多

7，空洞卷积你知道吗

8，有准备代码吗？

代码题电话号码组合

总结：面试官挺nice 和字节一面那个面试官一样，会引导你回答问题，但是我发现我还是很菜，很多基础都回答不上来。

1、自我介绍

2、你家在哪儿

3、以后还需要返校吗

4、开题什么时候线上吗

5、时间序列分析了解多少？（因为项目中有用到时序预测）

6、指数平滑你知道吗？说一下

7、自回归模型为什么叫自回归？

8、arima公式是什么？

9、怎么检验p,q

10、对prophet了解吗（还是来自简历）

11、动规有学对吧，那写一个试试吧，有点点难度的，但很常见的，编辑距离

12.1、PT反应的假设检验怎么做（简历）

12.2、什么情况下要做差分

12.3、你知道距估计吗？和差分的区别

12.4、差分后的值是什么

13、伽马分布，迪利克雷分布知道吗

面试官说这个有用，他们的项目能用到，可是我没用过。。

14、概率分布的共轭先验知道吗

15、研究生时间都花在哪里了

16、EM算法了解吗

17、说一下EM算法在高斯混合模型里的应用，公式是什么？（记不住公式。。）

18、EM算法在主题模型的应用（这个一点都不会）

19、doc2vec会丢失很多信息，说一下

我的回答提到了bert，GPT

面试官：统计学用来分析，使用上更多是深度学习。用统计学去添加模型的先验分布或者修改先验条件等等

反问：贵部门业务上更看᯿结果的解释性还是最后效果？

面试官：看解释性的就纯看解释性，看效果的纯看效果，主要能debug就行

相同的问题我在字节二面也问了

字节面试官：我可以明确地告诉你，我们还是关注效果的，整个团队最终做的事情就是帮助业务达到更好的效果，而这大概率时从算法中得到增ᰁ，这也是最核心的，至于你的模型用的是什么，一方面是你自己的水平，但另一方

面也要考虑ROI，就是机器、开发、上线等等的时间的把握，这个也是要的。但这一块不是你来判断的，是由我或者你的师兄带你实习的师兄一起讨论出来的结果。

22、看你做题挺快，你刷题刷了多久

23、准备面试还得准备理论经验，准备好的项目（暗示我菜）

24、春节回几天？

总结：整体来看，面试官还是很nice的。看᯿统计学知识，也会兼顾深度学习的内容。他还给我提了一个建议，我的教育经历应该降序写，就是得把硕士放前本科放后，这个很好。

1、自我介绍一下

2.1、说一下KNN算法

2.2、kd树怎么构造

3.1、决策树可以做回归吗？介绍一下

3.2、回归决策树的叶子节点代表什么

3.3、损失函数是什么

4、SVM算法的核函数有哪些

5、简单介绍一下梯度下降法过程，用两个特征举个例子

6、对优化算法的了解，Adam算法

7、研究生专业是经济学院的吗？本科专业？学过数分是吧？我们那会也学数分

8、平时写代码用什么语言？用过tensorflow吗？

9、LSTM的门控结构

10.1、输入门有哪几个激活函数

10.2、为什么要过sigmoid函数

10.3、sigmoid和tanh有什么区别

11、共享屏幕后做题