滴滴实习面经

滴滴

第二次大厂实习求职面试，进展到了二面

一面

---

1. 先做一道编程题，寻找第k大的元素，用的快速排序，让我说一下流程，结果说的前言不搭后语的，好在题目做出来了（语言表达能力真的该加强一些）
2. 对简历上的内容进行提问，如GAN的损失函数，自编码器等
3. LSTM 的结构，参数量，会不会画内部结构（真不应该说只记得公式，内部结构不太清楚，真去画一画也不难😓）
4. 说一下虚假新闻检测
5. 文本分类用的词表多大，数据集多大，用了什么模型

感觉面试官应该不是搞 NLP 的，一些常见的问题像Attention、BERT、CRF 都没问。主要集中在简历上，写什么问什么（谨慎写简历），很感谢面试小姐姐给了二面的机会！

---

二面

1. 自我介绍
2. 从ML开始，问了随机森林，bagging和boosting的区别，随机森林如何保持多样性（数据集、划分节点的角度），决策树划分节点的方式有哪些（回答的是信息增益、信息增益比、基尼指数，估计面试小哥想听一些具体的方式😥）；SVM的核函数
3. DL 部分，问了激活函数都有哪些，讲一下各自的特点；CNN的参数有哪些（空洞卷积忘记说了，面试小哥提醒了一下）；梯度消失、梯度爆炸是什么；LSTM如何解决的；对GRU了解多少；说一下文本分类效果比较好的模型，和它的结构（说了一下Bert、Self-Attention的结构，以及多头的实现方式）
4. 问了三个编程题，简单说思路就行（大体场面就是：我抬头思考，不是说错了，就是不太会，即使面试小哥提示了一下😩😩😩）。题目有：文本A和文本B，文本B最少经过多少次增删、替换操作可以变换到文本A，貌似是用动态规划；第二个是给一百万个数无法放到内存中，如何找到中位数；第三个是给一个股票序列，用一次买入卖出获得最大收益（动态规划）。

---

总结就是太菜了，一直忙于刷理论知识，剑指offer一半还没刷完，后面对算法题还需要加强训练，不然理论还算 ok 的情况下编程直接去世。。。（没准网易那次就是这么凉的，后面想想实现Mask机制不要太简单）

（两位面试官都好好，是我太菜了😐）