概述
算法工程师：双非渣硕是如何获得百度、京东双SP
本人本科硕士皆双非，和牛客大佬们没得比，目前拿到的还可以的offer就是百度SP和京东SP，都是做的推荐算法，其他的不说了。
先说一下个人经历吧，学校比较水，实验室没有项目，实习经历：腾讯实习+滴滴实习 比赛经历：几个数据挖掘竞赛Top5的名次。
个人感觉，算法岗确实看学校，但如果简历还可以的话，还是有面试机会的，内推投的简历，80%都给了面试机会吧。
百度提前批(feed部)
3轮电话面，远程桌面coding。百度的面试风格其实是比较好把控的，基本就是项目问答、coding、机器学习算法、CS基础，偶尔会有些概率题智力题。
算法题：
- 两个有序数组求中位数(leetcode)
- 判断平衡二叉树(剑指offer)
- 最长上升子序列(lintcode)
- 二叉树转双向链表(剑指offer)
- LRU cache实现(leetcode)
- House Robber(leetcode)
机器学习问题：无非就是树模型(gbdt、xgboost、rf、lightgbm)原理，LR、FM原理，w2v原理，深度学习在推荐系统上应用(和面试官讨论了google的两篇paper，其中wide&deep network讲的时间比较长)，神经网络embedding层和w2v中的embedding的实现区别，其他的记不清了。CS基础：进程线程区别，多线程实现方式，线程冲突是什么、怎么解决，TCP三次握手细节，海量数据排序(分治)，其他的不记得。
京东提前批(广告部)
2轮电话面，远程写code。京东的面试个人觉得不是太难，广告部今年招人比较多，面试内容的话也是围绕项目+机器学习算法来问的，本人有京东算法赛Top20，可能也是个加分项吧。
算法题：链表翻转、判断平衡二叉树、最长公共子序列、海量数据topk问题、蓄水池抽样算法
机器学习问题：也是简历上写的算法来问的，以及问了一些DL的基础，不难。
蘑菇街
2轮电话面+1轮CTO面。
蘑菇街的面试只是围绕项目进行的，2轮各30分钟左右，都是在问项目，以及项目中用到的技术、算法，不难。
腾讯
对实习所在部门的工作不感兴趣，于是提前离职参加了提前批。面了AI平台部，感觉是经历过最难的面试，面试官的问题一个接着一个，有点咄咄逼人，无奈水平不够，跪了，校招时候，做了笔试没被通知面试。
- 项目介绍
- 你这个项目中间哪些地方提升，中间过程分别提升了多少CTR？
- 你项目用的分布式LR的是用什么优化方法，参数怎么调的，mini-batch的batch是多少？ parameter-server原理，如何解决数据一致性？
- 会分布式么，hadoop,spark会么，说说hadoop的灾难处理机制
- hadoop一个节点数据量太大拖垮reduce，怎么办，Hadoop本身的处理机制是怎么样的，手工的话可以怎么调
- hadoop数据倾斜问题如何解决
- L1、L2的区别，L1为什么可以保证稀疏？
- 各种最优化方法比较 拟牛顿法和牛顿法区别，哪个收敛快？为什么？
- 深度学习的优化方法有哪些？ sgd、adam、adgrad区别？ adagrad详细说一下？为什么adagrad适合处理稀疏梯度？
- DL常用的激活函数有哪些？
- relu和sigmoid有什么区别，优点有哪些？
- 什么是梯度消失，标准的定义是什么？
- DNN的初始化方法有哪些？ 为什么要做初始化？ kaiming初始化方法的过程是怎样的？
- xgboost里面的lambdarank的损失函数是什么？
- xgboost在什么地方做的剪枝，怎么做的？
- xgboost如何分布式？特征分布式和数据分布式？ 各有什么存在的问题？
- lightgbm和xgboost有什么区别？他们的loss一样么？ 算法层面有什么区别？
- lightgbm有哪些实现，各有什么区别？
阿里的话二面跪了，内推的阿里妈妈，难度比较高，跪了也是意料之中。还有一些公司的面试没有参加，滴滴(面试时间和腾讯笔试冲突了，放弃)，网易(2次笔试都过了，不过拿到百度后就没有去面了)，搜狗(电话面了1面后，让去现场面二面，放弃)，拼多多(二面被面试官放鸽子)。
蘑菇街、YY、Bigo这些，主要还是问项目，参考意义不大。 PS：Bigo的推荐算法团队非常厉害，都是百度高T出来的，而且今年待遇非常给力。
下面说一下个人的学习经历
虽然是CS专业，但实验室做的方向和ML半毛钱关系没有，且实验室也只有我一个人在搞ML，所以也算是野路子出身了。
理论基础：CS229视频、西瓜书、统计学习方法、数据挖掘导论、推荐系统实践、深度学习
实践基础：机器学习实战(研一时候照着书上代码打了一遍)、利用Python进行数据分析(照着书敲过一遍)
完成了这些基本功之后就是参加一些比赛了，刚开始入门的时候搞天池和Datacastle比赛，成绩都很水，并且是孤军作战，个中心酸只有亲身经历才能体会，后来研二后开始和一些外校的大神组队，拿了几个还可以的名次，也在大神身上学到了不少东西，所以个人感觉做比赛最好还是要组队，思维更加开阔，一个人闷头做很容易放弃。研二上学期末开始去实习，实习做的也是搜索引擎、NLP、推荐算法相关。
再说一下面试需要准备哪些
算法工程师的面试其实就是围绕几项来展开的。
- 机器学习算法理论：LR、SVM、树模型、FM/FFM、EM、LDA、word2vec、推荐算法等等，都会被问到，需要懂得算法的推导、适用场景、使用的Trick、分布式实现。
- 深度学习相关：CNN、RNN、LSTM的基本原理，不同激活函数的差异等等，如果是面的传统机器学习岗的话，DL问的不深，但一定会问。
- 数据结构与算法：leetcode高频题、lintcode高频题、剑指offer，大概这三样准备好就够了，校招前保证100多道题的积累量，面试时候写code应该就手到擒来了。
- CS基础：计算机网络、操作系统，推荐书籍：王道程序员面试宝典，这本书对于突击面试很有帮助。
- 分布式：Hadoop/Spark这些，属于加分项，会问点基本原理，还是需要看一下。
- 编程语言：虽然做比赛都是用的Python，但C++或者Java必须掌握其中一个，面试也会问一些语言相关的
- 海量数据处理：经常问的就是海量数据排序
Anyway，个人的秋招结束了(其实结束很久了)，虽然有些遗憾，但拿的offer和薪资也都挺满意了，知足，开始弄毕业论文了，希望能顺利毕业吧，就写到着吧，语序有点混乱，凑合着看吧。
PS：最近私信我的朋友太多，这里再补充点
对于学校不那么好的、又立志找算法工作的同学，这里给点建议：
一、尽快去实习！如果是3年学硕的话，研二上学期中下(11月-次年2月) 就可以去进厂里实习了，这样做的好处是可以避开春招实习生的招聘高峰，比较容易进大厂，据我所知，像百度、滴滴、头条这些公司都有常年在招实习生的，当然了，大部分是在北京。那么怎么找这种实习呢，推荐几种投简历的渠道：1. 实习僧 2. nlp job 3. 北邮人论坛的实习板块。对于学校不那么好的同学，如果简历上有一二线公司的实习经历，那么内推简历通过筛选的可能性就大的多了。
二、 关于数据挖掘比赛，很多同学问我如何入门这块，我的建议是分步进行，1. 先熟悉python的基本语法、numpy、pandas、sklearn、gensim、keras这几个比赛中常用的库的使用；2. 精读优秀比赛选手的代码，学习比赛的套路；3. 做完以上两步，就可以开始参与比赛了，天池、CCF、DataCaslte、Kaggle等平台的比赛都可以，不要贪多，同一个时间段最多参加2个比赛就可以，然后每天坚持优化结果，虽然过程可能会有点枯燥，但是最终会有收获的，经过观察与亲身实践，这类比赛比较吃经验(套路)，要想取得比较好的名次，通常需要参加几次比赛积累失败的经验才行，过程少则半年，多则一年。
三、算法题一定要刷！ 如果时间紧，就刷上面说的三件套(leetcode高频题、lintcode高频题、剑指offer)，当然，要多刷几遍，做到看到题目立刻想到思路并写出bug free的代码。如果时间比较充裕，可以刷刷leetcode中medium和hard的题目，锻炼思维与编码熟练度，总之，刷题是一个持之以恒的过程，切忌三天打鱼两天晒网！
四、专注于一个方向！ 发现有些同学(包括我年轻时候)，总喜欢这搞点那搞点，今天学一下机器学习，明天学一下Java后台，后台再学一下前端。这种方法对于大部分人来说是错误的(大牛忽略)！你要搞机器学习就专心搞，三条线并行搞：
- python -> 刷比赛
- java -> hadoop/mapreduce/spark
- python -> 深度学习，工作没你想象中那么难找
1.转载地址: https://blog.csdn.net/weixin_39069037/article/details/79689650
2.备注: 原文内容、布局、有稍做调整，如有侵权，还请指出。
最后
以上就是干净金针菇为你收集整理的算法工程师：双非渣硕是如何获得百度、京东双SP算法工程师：双非渣硕是如何获得百度、京东双SP的全部内容，希望文章能够帮你解决算法工程师：双非渣硕是如何获得百度、京东双SP算法工程师：双非渣硕是如何获得百度、京东双SP所遇到的程序开发问题。
如果觉得靠谱客网站的内容还不错，欢迎将靠谱客网站推荐给程序员好友。
发表评论 取消回复