此去经nian吧 关注:30贴子:2,783
  • 4回复贴,共1
今天面了新浪微博和海豚浏览器。
新浪说了很多,感觉像是找全栈工程师,要啥都会,面试官好像也懒得问那些经典的题目了,感觉随口谈了谈java的语言特性,就结束了。
海豚面得非常认真,人也很nice,面了两次,第一次面得很基础,各种语言的特性、细节,都非常的认真,面完了后说谢谢(新浪也说了,去哪儿没说,去哪儿那次我面得真的很渣)。二面的面试官是南方人,非常非常nice,从头到尾感觉都是在交流聊天而不是面试,但是,不经意间我太轻敌,很多该答的没有答上来。
面了不少,有协同过滤算法,让我讲讲我跟导师做什么,然后他引出了一个问题,在10w个点里头找到10个和目标点最近的,我当时没想说先排序,然后就可以了,他问还有吗,我说哈希,当时挺虚的,心里知道算法复杂度没有降低还瞎说,他问还有吗,我隐隐约约记得,但是想不起来(当时也没有觉得自己该多想想,轻敌啊!),面完了突然想起来之前看的algorithm design manual里有这个题,先建堆,然后遍历,复杂度可以达到O(nk),降低了很多很多!但是没有想起来。问推荐系统,说了协同过滤的、基于用户的、基于内容的,其实之前看过the recommendation system,里头有不少,但是太轻敌,觉得之前答了不少,应该面的没有问题,其实还有top model、黑盒子、基于纬度的,但是我都没有说,问了svm的思想,核函数的意义,分类是基于什么的,如何避免过拟合,我说了要加罚项,但是他问还有吗,我说避免过高次幂的预算,他问还有吗,总觉得海豚面得很深啊。问了logistic regression算法。以为面得不错,很顺利。结果自己轻敌了。而且,确实经验比较少,导致最后没有拿到offer。
再接再厉啊,还有很多要学,有点晕。


IP属地:美国1楼2014-12-02 13:31回复
    问knn算法的时候我当时实在是不知道该说什么,毕竟这种不过是选取k个最相似的点。之前问k-means还可以稍微说点过程。面试官后来问怎么降低纬度,我就说了可以利用决策树的思想啊,计算各个因素对结果的影响的熵值,他问还有呢,我说pca算法,对矩阵进行变换,特征值小的说明对结果影响小,又问我还有吗,海豚的面试官真的蛮拼的。


    IP属地:美国2楼2014-12-02 15:37
    回复
      面试官问我推荐还有啥想法吗,我说可以用aprior算法,不同纬度之间的数据有关联,提高推荐的准确性。


      IP属地:美国3楼2014-12-02 15:46
      回复
        我说自己自然语义处理还没有学,时间紧,学了后可能会有新的想法。面试官又开始引导我。面新浪的时候,面试官一直在说“好吧”,汗。


        IP属地:美国4楼2014-12-02 15:47
        回复
          问我svm怎么调参,我表示用的少,只知道高斯核,瞎了,在《统计学习方法》至少有两种核函数吧,忘光了。神网里的激活函数可能和这个核函数比较像,忘了说了。


          IP属地:美国5楼2014-12-02 15:50
          回复