写在前面：

这是我第一次参加实习面试，面试前也在网上查了一下算法岗面试的相关经验，受益颇大，因此自己面试完后也试着记录了一下，虽然没能通过最终面试，但也希望能给想面试相关岗位的人一些启发和帮助~

关于面试准备：

算法的技术面主要考察的是算法的灵活使用和现场编程能力，以及相关方向的模型（基本上就是统计机器学习、自然语言处理、计算机视觉这些），因此主要准备以下两个方面：

1. 经典的算法题目；

2. 复习各种常用的模型，特别简历写的项目中使用到的。

一面：

项目介绍和模型知识考察

1. 对简历上的一个项目进行介绍？（接下来是根据我项目和我说话中提到的模型，开始深入地追问）

2. SVM模型的介绍

3. LR模型的loss函数是啥？为什么选择它作为loss函数而不用其他函数呢？

4. 防止过拟合的方法？

5. 正负样例数据分布不均怎么办呢？会有什么结果？怎么解决？

6. 你项目里遇到过什么问题？怎么解决的？

7. 这个项目你最后怎么评估结果？

8. 你的项目是个二分类问题，而神经网络器输出层用的softmax，为什么不用sigmoid？它俩有区别吗？

9. word2vec模型的介绍

算法题

• 链表逆置（常规题）

二面（交叉面）：

项目介绍和模型知识考察

1. 对简历上的一个项目进行介绍

2. 对SVM的理解？核函数的作用？软边距也可以做到对非线性数据的分类，为啥还要用核函数？SVM防止过拟合的方法是什么

3. 最近看了什么paper，知道什么经典模型讲讲自己的理解。

4. 为什么word2vec的权值矩阵可以用来做word embedding。

5. 知道AUC是什么吗。

算法题

1. 实现一个栈，它的push、pop、getmin、getmax操作的时间复杂度为O(1)，空间复杂度不限。（我就是这题没写出来，刷题还是太少了，临场很难反应过来）

2. 已知一个大小为n的升序数组，要求找出是否存在出现次数超过n/2的数。（我一开始想错了，在面试官提醒下，先确定了如果存在必然是中间这个数，那么只要找到这个数序列的左边界就行了，因为找到后查看从左边界开始长度为n/2的位置是否是这个数即可判定。主要算法就是递归二分法）

注：一面和二面（交叉面）一般是连在一起的，每一场面试大概一小时，面试前要做好心理准备

总结：

这次的面试机会来的比较偶然，我也是抱着试一试的心理去的，因此准备时间不够长（大概一周左右），题目刷的不够多，临场表现不佳，算法编程那一关想来面试官给的分数是不太好的。另外就是模型知识那一块准备的不充分，SVM的核函数具体机制没弄清楚，被考官一点点揪着直到问到答不上来了[捂脸]。关于RNN、LSTM这些现在较流行的图像处理模型我当时还没学，所以回答也没有往这方向上走，加上我的项目主要都是语音处理这块的，考官可能觉得我对图像这块了解不多，不太对口。

总体而言，这次面试收获很多，对互联网公司的招聘流程有了更多的了解，也更清楚知道自己未来该往什么方向去奋斗。在本科阶段学到的知识其实只是冰山一角，需要学习的内容还有很多。想要真的成为一个算法工程师，未来我依然还有很长的一段路要走。愿此文能帮助到有需要的人，与诸君共勉 > <

作者：cwj1412

原文链接：https://blog.csdn.net/cwj1412/article/details/107468139