决定攒个rp,电面和昂斯特面经(只包括还记得细节的),希望对machine learning方
向的人有帮助,虽然我个人觉得这种东西靠面经突击不好,不过也在班上看过别人的面
经,还是友好互助一把。
1 machine learning 101 + linear regression 推导, AUC
2 merge sort coding
3 NLP 101 + parsing the query with known name entity (coding)
4 large scale clustering + feature selection
5 Skip list coding + optimize 算法(真心没见过,一个S大的phd一起推了半天才搞
定,挺high的)
6 一个摸球的conditional probability问题。
7 彩票这个问题是要在手机端设计一个fair的彩票系统,可以允许同一个号码被重复购
买,但是不能有k个数字里面不能有重复。 我觉得自己答的没问题,(感觉目前的回
复也没指出问题。。)自己总结了一下有两点可能当时没有明确指出来,应该在每一台
手机上initialize uniform sampler,(我默认了这个,虽然interview时候讨论了一下
advanced topic in random generator)。 第二点就是那个扩展问题,问题是要让彩
票不能太难中也不能太容易中,我没有直接计算没人中的概率,很straightforward,
来显式的link 销量和C(N,K)的关系。 N就是号码总数,k是每个彩票的号码数。
top companies基本都onsite过一轮,觉得不同家的要求真心不一样,即便是data相关
职位。再就是现在bar也高了,我之前受了一些帖子的影响,onsite时习惯故作苦想状
跟interviewer扯一会儿corner case和讲讲思路的蛋,直接把时间浪费了,其实速度才
是王道。 当然我觉得这个事情也是要看运气,看看之前的帖子,有的人面G家喜欢沉思
一会儿再写,有的人贴的official的要求是速度快,都一样拿到了G的offer。即便是著
名的要求bug-free的公司,有的interviewer觉得我偶尔有bug但是optimize算法很快就
给了strong feedback,而有的interviewer就没容忍我走个神。有的家写出来bug-free
的code,才发现他们根本不care这个细节,更注重logic的正确性。
也见过很多人的面试经历,我觉得面试有很多运气成分以及对背景的偏好,这些也是我
们无法左右的。个人体会,却是自己准备的不充分,首先没有面面俱到,经常是准备了
这个,挂在其他方面,这说明自己确实不扎实。再就是最近刷题才体会到以前只看书或
者在eclipse上写,不用OJ非常不好,刷题确实让自己真正感觉到加深了理解,同时训
练了基本功。
运气不在自己这边,才让我发现了自己的基本功不扎实,辜负了很多好友的帮助,呵呵
,自己笨就得多努力,去不了top 公司,希望能做一个有口饭吃的技能合格的码农,能
写点有贡献的代码。