进大厂是大部分程序员的梦想，而进大厂的门槛也是比较高的。刷题，也成为面试前的必备环节。

七妹给大家准备了“秘籍”，七月在线干货组继19年出的两本书《名企AI面试100题》和《名企AI面试100篇》后，又整理出《机器学习十大算法系列》、《2021年最新大厂AI面试题 Q4版》两本图书，总结了市面上大厂的面试题。

为了让更多AI人受益，七仔现把电子版免费送给大家,希望对你的求职有所帮助。如果点赞和点在看的人数较多，我会后续整理资料并分享答案给大家。

↓ ↓ ↓以下4本书，电子版，直接送 ↓ ↓ ↓

评论区回复 " 007 " 领取！

22届春招,vivo2024届春招

背景：双非本（软件工程）、两个一年英硕（计算机科学和数据科学）， 推荐高级小班学员(当然，最新一期是推12，添加VX：julyedukefu10 备注"TT"领取资料包 + 免费试听名额)

春招情况：这次春招拿到了 vivo（推荐算法工程师）、美团（后端）、快手（推荐算法工程师）的offer ，这里专注推荐算法岗分享一些经验。

vivo（北京推荐部门）: 行测 + 笔试（3道算法题，20道开发岗八股文）+ 一轮技术面 + 一轮HR面

前言：之前听朋友说vivo的offer比较好拿，我切身体会也是这样，并且流程特别神速。缺点是vivo开的offer薪资水平较低一些。

我们几个小伙伴总结的：17k -- 白菜 20k -- sp 24k-26k -- ssp。虽然最后没有选择，但是这个offer对于我后续面试心态上帮助特别大。

行测：不用花太多时间刻意准备，但是有必要在做之前刷几套，注意不要做公务员的行测，据说好多厂的行测都是来自于某个题库，我自己找到的是职题库app，不知道牛客上会不会有免费的。

笔试

算法题：1. 简单的dp，类似于跳台阶那题。2. 滑动窗口，同向双指针相关。3. 多重背包问题，也可用dfs给出*力暴**解。

选择题：涉及计算机底层原理，代码段分析，计算机网络，都是特别特别基础的问题，如果专注算法，这方面比较薄弱也没事，只要是科班，凭借直觉也能做出来。

技术面（35分钟）： vivo的技术面不难。

“请介绍一下你简历上的所有项目。”，20分钟过去了。

“好的不错，来做两个题吧”...

1. 二叉树最小深度

2. 股票系列 II ，都是很熟的题目，8分钟就都ac了，

“不错，你有什么想问我的？”

然后我俩就聊了聊推荐系统在vivo上的应用，面试老师说主要针对vivo商城和一些手机自带的短视频app。

HR面（30分钟）：vivo 的HR面特别关键呀，我们小伙伴很多被挂的，会有超级多的HR问题，

例如，“vivo和oppo的区别是什么？”“你对vivo有什么了解？”“你为什么选择vivo？”“为什么选择北京？”

一起的小伙伴有很多很多都是HR面挂掉的，所以我们猜测HR面是十分有决定性意义的，毕竟技术面只有一轮。

快手（社区科学部）: 3轮技术面 + HR面

技术一面（1小时15分钟）：

一、自我介绍 + 聊聊天（10分钟）

二、项目深挖（40分钟）：

1. 说一下DIEN的原理是什么，有什么创新点。

2. ESSM 的原理和基本思想是什么？

3. 为什么使用这个模型而不是其他模型？

4. GRU 通过哪两个方式解决长程依赖问题？

5. FM 的时间复杂度是什么？

6. 设想一下工程场景，如果使用 FM 你会怎么做来实现线上的高效推荐？

7. AUC 是如何绘制的？

8. 在工程上如何计算 AUC ？

三、算法题（20分钟）

1. 翻转字符串

2. 三数和

3. 一道从来没见过的题目，没写出来，后续也没找到。所以如果碰到会的题，一定要放慢做题速度，做太快会提升面试官对你的谜之期望...

四、反问（5分钟）

技术二面（1小时30分钟）：（很严肃的面试官，有种压力面的感觉，会不停质疑你做的决策，千万别怂）

一、自我介绍：

二、项目深挖（50分钟）：

1. 你这个数据集每一个优化目标的正负样本比例是什么？

2. 你是根据什么选择 PLE 的 shared-expert 个数？各个任务的 gates 权重分布大概是什么样的，据此你能得出什么结论？

3. 我看到你为每个任务加入了 FM 来增加记忆能力避免过度泛化，这个想法不错，但是这样做难道不会导致Embedding 层的更新出现冲突吗？

答：没有答好，只说了实验证明了这种方式的有效性

4. 你用了什么优化算法？对于一个冷启动的短视频和一个热门短视频，如果使用 Nadam 进行学习，最终二者的特征向量模长有什么区别？

答：最初我给的答案是，冷启动短视频由于训练样本比较少，会更加接近于初始分布，热门短视频由于训练样本较多，各个维度的分布差异性会比较大，所以热门视频的模长会更长。面试官对这个答案不满意，说我没有结合Nadam的原理进行分析。再做思考之后，我回答道，因为Nadam会给予稀疏特征更大的步长，而频繁出现的特征会学习的更加稳定，这可能导致冷门视频的各个维度方差比较大，所以冷门视频的模长会大于热门视频的模长。面试官笑了，说怎么给出了两个截然相反的答案呢...然后并没有给出正确答案。

5. 我看到你使用了预训练的Embedding 经行初始化，但是训练网络的时候依然继续训练了初始化的Embedding，这和直接随机初始化共同训练有什么不同吗？要知道，你预训练的时候同样间接使用了标签信息，我觉得效果不会有太大不同，你觉得呢？

答：我回答，这样可以引入额外的先验信息，例如Node2Vec会引入图结构中的局部信息，Doc2Vec会引入粒度较粗的时序信息，所以对效果是有提升的。面试官反问，提升了多少？我回答，大概0.02AUC GAIN，面试官质疑这个说法...

6. 我看到你使用了矩阵分解作为预训练Embedding的一部分，为什么使用矩阵分解呢？为什么不使用监督学习的方式来训练呢？

答：因为矩阵分解可以达到理论上的最优解，而监督学习的方式可以比较受限于训练样本的个数。面试官说，我不同意你这个说法，机器学习并不是最优化问题而是泛化问题，有时候理论上的最优解不一定是线上效果最好的解。基于这个说法，他跟我分享了一堆工程上的矩阵分解知识，太紧张没怎么听懂，没能很好的给到他反馈...

三、算法题：（完全手撕，面试官布置了几个任务，一个个完成，核心是链表翻转）

四、智力题：一条绳子切三段，构成一个三角形的概率。

五、反问

技术三面（1小时30分钟）：（面试官是未来的组长）

一、自我介绍

二、边聊天边考察：

1. 你项目的创新点是什么？

2. 你觉得 DIEN 这篇论文写的怎么样？

答：我想可能需要我有评判性思维，所以好坏都说了一些，尤其是我觉得有问题的着重说了一下，因为DIEN是阿里妈妈团队的，当时觉得不能夸的太狠，毕竟是其他公司的论文，结果说完面试官反手说“哦，我叫 XXX，这篇论文是我的成果”我直接当场社死( ╯□╰ )

3. 你为什么喜欢推荐系统呢？你对待工作和生活的态度是什么？

4. 我给你介绍一下我们部门的情况吧， blabla...

5. 我给你说一下我们现在在做的事情吧。

说了将近20分钟，这里表面在聊天，其实也是在考察，他是中英文夹杂的说的，语速非常快，然后最后才让我结合我的专业知识说说看法，我都没想到还会问我问题，就生拉硬拽的反馈了15分钟，他好像还是挺满意的

6. 我担心你的工程能力，你能说说你平时怎么积累工程能力的吗？你能说说序列模型是怎么在工程上高效实现的吗？

三、智力题：题目太长了，细节记不清楚了，是一道策略制定的题目。大概内容是，两个人要协作猜扑克，一个人抽五张牌，可以按照某种顺序与某种规律打出前四张，另一个人需要根据前四张牌的顺序和花色的排列组合猜出最后一张牌的花色和点数，牌组里不存在大小王。（没做出来...）

一点点经验：

关于简历投递： 越早越好，很多厂都是先到先得，尤其是春招补录更是要早早投递。建议不要只冲互联网大厂，一个原因是大厂没几个，而且大厂普遍流程长，尤其是春招背水一战的时候，手上一直没有offer心里会很慌，影响面试发挥；另一个原因是手上的offer是谈薪的根本，如果好不容易过了大厂面试，手上没谈心资本，拿到个劝退offer就很亏。

关于面试： 面试问题的答案是理性的，但是怎么跟面试官交流是感性的。诚然理性的答案的正确性是决定是否通过面试的关键，但是做出决策的人总有感性的一面。所以全程一定要有不卑不亢的姿态，也不必过于严肃和紧张，大多数公司面试官都是你未来的同事和领导，他们也希望能和一个有情商的，说话有意思的人共事。所以一定要和面试官建立起良性的、轻松的沟通。

关于项目： 七月在线课程项目可不可以写进简历？

答案是完全可以，但是一定要加以自己的思考和升华。项目永远是面试所围绕的中心，所以对于项目一定要倒背如流才行。机器学习、推荐算法的知识太多太多了，永远准备不完，我觉得应当在深度和广度之间达到平衡，项目相关的甚至是辐射到的知识点一定要足够的深，其他以广度为主，因为确实会突然抛出一些发散的问题。

22届春招,vivo2024届春招