头条+腾讯 双杀面经

作者 | Jelly 

整理 | NewBeeNLP

进NLP群—>加入NLP交流群

写在前面

先说一下背景：本科双非，硕士211，没论文，一段半年的大厂NLP实习，3个TOP5 NLP比赛，1个两位数的数据挖掘比赛。

字节跳动

1面: 60分钟

• 实习，难点，收获，怎么解决
• XGBOOST ，LGB，GBDT 的区别
• 一阶优化器，二阶优化器
• Attention怎么做，self-attention怎么做
• Transformer细节，Bert细节（多头和缩放）
• 过拟合怎么解决
• 标签平滑怎么做的
• 交叉熵，相对熵
• Bagging, boosting , 偏差，方差关系
• CRF理论与代码实现细节
• CRF与HMM关系，区别
• 维特比，beam-search 时间复杂度，区别

「编程题」：编辑距离，完全二叉树的节点个数 （都是很经典的leetcode原题）

2面: 60分钟

• 实习，竞赛，问了30分钟
• 开源代码阅读情况
• XGBOOST ，LGB 生长策略，分类策略
• BERT细节
• 少样本情况怎么缓解

「编程题」：15分钟 写一个k-means，没写完时间不够

3面：20分钟

• 聊人生，说前两面反馈给的好，就不问问题了。

HR面: 20分钟

• 讲一件你觉得很有难度的事，怎么解决的。
• 来段英语口语。

剩下时间就是问问题时间了。

从开始面试到拿到offer花了3天，字节效率极高。其中1，2面试连续面的，然后太晚了，不然估计3面也会连续面。

腾讯：校招日常实习

1面: 25分钟

• 实习，竞赛
• 优化器，系统的讲一下
• 实际场景下做softmax容易出现一些问题，怎么解决（面试的时候没明白什么意思，面试结束后询问，他是说实际场景做softmax很容易出现下溢问题，这个可以用每个维度减去一个固定值就可以了）
• 过拟合解决方法，正则项为什么能减缓过拟合
• 权重衰减等价于哪个正则项
• 传统机器学习方法了解哪些

「编程题」：打家劫舍II

2面：60分钟+8小时下来做题。。。

• 实习，问得巨细，怎么和测试沟通，怎么和需求沟通，团队有几人，负责啥，难点是啥，你做了啥

「编程题」：leetcode-887,super egg drop，提前不知道这题是leetcode题，自己一直在硬做，后来给实习同事分享，同事告诉我是leetcode题很难得一道题。这题难的一*，面试里面剩余30分钟没做出来（基本属于刚理解题意），下来之后做了2个小时想出一个暴力解，被打回，第二天，想了3个小时，想到二分解法，被打回，又想了3个小时，想到数学解法。。。过了。（三种解法都对的， 不过面试官要求给出具体的策略和步骤，数学法比较直接可以直接给出，其他两种需要输出最优路径）。太菜了。。。。

3面,GM面：30分钟

比较水，没问技术问题，全程实习竞赛。

HR面

就问了啥时候能去，能去多久这种问题

腾讯流程很长，从官网投递简历，到拿到offer，全程花了20多天。导师和HR很热情，面试完了就在交流了。

随便唠唠

难度上，总体感觉面的两个岗位，除了腾讯二面的编程题，其他都不是很难（可能是只是实习面试的原因），两家没有奇奇怪怪的问题，面试体验都很好，知识点范围基本都在面经百度第一页能找到。不过感觉自己比较幸运，遇到的字节面试官出的题都很常规，我同学面头条出的题，遇到了取数对弈，螺丝螺母匹配等烧脑问题。

求职/进NLP群—>加入NLP交流群(备注：求职)