一面（1h）： 面试官看起来20多岁，搞cv的，看起来挺严肃但是说话什么的还是很和蔼

 自我介绍  介绍一下自己的项目  手撕代码：斜着蛇形打印矩阵 ( 转移条件和越界没搞清楚，卡了一会 )  概率题：50个人中有人生日相同的概率？只有两个人且只有一组这样的两个人生日相同的概率？  反问环节，实习几天，说了入职会有半个月到一个月的培训

PS：感觉自己代码基础和概率方面还不是很扎实，要继续努力啊，但是没有问机器学习和深度学习方面的内容。

二面（50min）：  手撕代码：接雨水。经典题，字节校招笔试第三题原题，不多说了。  平常看的一些学习网站？我说了csdn,stackoverflow  大学生活中最遗憾的事情？后面就有点偏唠家常了，说一面其他的都问过了  学习遇到困难了怎么解决的？自己为什么要做项目？ 内心os：当然是为了找工作  反问环节，面试官介绍了一下他们的项目，智慧大脑，果然是偏cv方向的

2.4号面完，最近这几天有点偷懒了，在打比赛，明天（2.8）开始收收心，全心全意刷leetcoe，给自己订好小计划，争取拿到字节的实习offer！

一面（1h10min）：

 自我介绍  问项目，召回与排序的架构  介绍一下deepwalk，图是怎么构建的？  deepwalk和node2vec区别？  word2vec了解吗？输入是什么？采用了哪些优化（只答出来一个负采样。。）？  itemCF的原理，实现过程  item_feature如何召回，召回和其他方法有重复的商品时怎么处理？  用户没有购买商品怎么处理？（冷启动问题）  排序阶段wide&deep是怎么架构的？（这里最终节点是sigmoid输出，我给说成softmax了，然后又问了一下softmax的公式和应用）  Python的GIL锁，装饰器？  tuple和list的区别，list的底层实现  python中函数传递参数是值传递还是引用传递（很坑，两个都不是，见深入理解python中函数传递参数是值传递还是引用传递）  map和reduce函数介绍一下  数据库sql用过吗？spark大数据了解吗？（无。。。）  手撕代码：一个数组里面有一个数出现次数大于数组长度的一半，最快找到这个数。 leetcode剑指offer原题，摩尔投票法或者利用快排思想  反问环节

二面（40min）：

 问项目，介绍一下架构  手撕代码：合并两个排序数组  反问环节： 主要做什么？会负责哪些工作。

HR面（15min）：

 问项目，介绍一下做项目的初衷  有没有学过cs课程，怎么样学习的  打不打算读研，为什么  反问环节： 是否可以暑期实习？具体流程。

面试前先让你填一个性格测试，据说刷掉一半的人。根据我做过的经验来看，选择你热爱思考，热爱成功，热爱合作，热爱加班，热爱奋斗就可以过。然后签署一个协议。

2.26更 往后一两周都是大厂了，华为字节网易，加油加油，leetcode刷到100题了，冲冲冲。

一面(50min) 自我介绍 介绍一下项目，召回和排序的架构，感觉和其他公司问的大同小异 itemcf和usercf的具体应用场景和区别 如何embedding的？对图片和文本如何提取特征了解吗？ 多路召回有重复的item怎么处理？ item和user冷启动怎么处理？ wide&deep的架构 然后开始问第二个项目，项目用的xgb和rf，结果一个没问 VC维数了解吗？(这是啥…) adaboost了解吗？介绍一下 tf的静态图和pytorch的动态图的区别？ pytorch底层GPU调度原理了解吗？为什么速度这么快。(这又是啥…) 还有其他的项目吗？我说了之前一个pyqt做的水下激光识别的小项目 然后问了python多线程和c++多线程的区别 python的GIL，申请和释放 了解lenet，resnet，lstm，bert，attention这些吗？ 我说了了解cnn和rnn，自己ml比较扎实，目前在研究深度，读深度的paper 手撕代码:我们来个简单的吧，手写一下快排

总结:面的都是比较基础和底层的点

二面（15min） 是综面，很快，简单问了问专业，学习方法，学习规划之类的。我们那组的人加上我一共5位，都过了。

不想写字节面经了 问项目，deepwalk和node2vec怎么构建图？ 你还了解哪些其他的召回方法？ 如何提取文本和图片特征？ 如何batch normalization?优点，解决了什么问题？ 为什么会出现梯度消失和梯度爆炸？ lightgbm相对与xgboost改进？ xgboost与gbdt区别？xgboost可以并行吗？ 还问了其他的，忘了 手撕代码：自己写链表数据结构和测试用例，反转位置m到n的链表

一面（50min）： 自我介绍 聊推荐系统项目，问了很多边角知识。deepwalk图怎么构建的？ 精排时如果前几的分数都是同一类的商品怎么处理？ 机器学习算法了解哪些？我说了回归分类聚类都了解，然后问了聚类。 我有1000万条向量，如何选取聚类簇的数目？ 介绍一下密度聚类？（没答好…） 了解深度学习吗？CNN的max-pooling怎么反向传播，avg-pooling呢？ 了解强化学习吗？

3.8更，最近突击看了CNN, RNN, 趁着还没面字节赶紧把Attention, LSTM, Bert这些看了。网易凉凉了，面了阿里感觉深度学习方面还要提升。

一面（1h40min）： 聊了半个小时项目 损失函数有哪些？区别？作用？ 激活函数有哪些？区别？作用？ 梯度下降算法，更新公式？缺点与局限？  神经网络所有参数可以都初始化为0吗？0.1呢？见此处 朴素贝叶斯公式？ 交叉熵公式？ 池化层作用？ Attention机制介绍一下？ 手撕代码：手写sqrt函数(正整数)

4.18更 目前日常实习已去华为，暑期实习拿到腾讯用户增长推荐算法offer，阿里妈妈广告算法在等三面，网易云音乐推荐在等笔试。快手还未投。美团一面挂，百度三面挂，泡池子。

5.26更，从华为实习结束，力扣190题，暑期实习已拿阿里妈妈和腾讯的算法offer，六月初可能去阿里妈妈实习，最近就在读paper，刷leetcode，准备秋招。