校招面经！谷歌、微软、阿里等大厂面经!基本情况
收割情况：一共投递8家，收获微软、阿里、网易游戏、地平线4家special offer，今日头条转岗offer，腾讯没给面试机会，摩根士丹利面试冲突放弃，谷歌等待offer中。
个人情况：某985硕士，常用语言C/C++、Python，研究方向为深度学习、计算机视觉，有论文，ACM等算法竞赛和数据挖掘类竞赛获奖经历，项目众多。有算法岗的都是投了算法岗，有深度学习的就投深度学习算法岗，有图像的就投图像深度学习算法岗。
阿里巴巴
实习面试过了，校招直通终面，8月16日通知我面试安排在8月17日，且面试日期不可修改，没能去参加摩根士丹利的直通车，不知道有没有上黑名单。
终面技术面
8月17日，45min
- 聊实习，聊项目。
- 算法题：2乘n的格子用1乘1和2乘1的砖块盖有多少种方法？典型DP，写了转移方程，面试官就说不用写代码了。
- 现在的搜索技术很少上深度学习或者说很深的网络，你觉得是为什么？如果要用深度学习，你觉得应该往哪些方向思考？deep learning比较吃资源，不太适合业务规模比较大的系统，比如：双十一的压力，如果一定要用，可以考虑深度模型压缩，量化，矮胖网络的并行计算等方向。
- 聊聊人生理想。
HR面
8月17日，45min
- HR先介绍了淘宝搜索这边的基本情况。
- 问了ACM和论文经历，平时都怎么训练，怎么做科研。
- 为什么拒了阿里的实习offer？
- 校招拿了几个offer？选择offer的时候你更关注什么？ 成长性，相关性，还有…当然是薪水啦！
- 阿里比微软更能让人快速成长，安利一波。
结果
8月30日，拿到offer意向书。
10月17日，拿到special offer，薪资很高，但考虑其他家给出的工资，加班情况，放弃了。在得知我的动摇之后，阿里派了一位很有资历的前辈和我聊了很久个人的发展，他并没有一味的站在公司的立场上劝我加入，只是和我分享了一些自己的个人经历，并客观对比了我所纠结几家的优劣，我觉得分析的还是很有道理的，没有一味吹嘘阿里，也说了一些缺点，让人感觉很真诚。
今日头条
头条的面试时间安排灵活且集中！！！
笔试
8月12日，5道简单、中等难度的算法题，做了4.5题。
一面
8月18日，45min
- 聊实习，聊项目。
- 算法题：上n个台阶，每次一步或两步，求走法数量，简单DP。
- 算法题：上一题变形，最多只能连续走m次两步。依然DP，dp[i][j]表示到第i级台阶，前面连续走了j次两步的走法数量。写出转移方程，面试官没有让写代码。
- 写一个快速排序。一紧张，左侧大元素和右侧小元素交换没写，可能面试官也看出来我没有背过，告诉我不要紧张…
- sigmoid和softmax的区别和联系。sigmoid二分类，softmax多分类，softmax在二分类下退化成sigmoid。
- 分类一般用什么损失函数？写交叉熵的公式。
二面
8月18日，45min
- 聊实习，聊项目。推导了我在项目里用的做过改进的LSTM的公式。
- 针对实习提问题：为什么要加入reading-gate？为什么不直接把控制向量加在输入中？和具体实习做的东西有关，在面经里就不多说了。
- 深度学习里的正则方法有哪些？数据加噪，增强、范数正则、dropout、集成学习、提前终止训练、多任务联合。
- weight decay和范数正则有什么关系？这个当时我没想到，后来下来一查恍然大悟，weight decay的系数其实就是L2正则前面的lambda系数，求个导，梯度下降的时候和w合并一下就看出来了。
- Mask RCNN做了哪些改进？分割和检测任务联合；多个二分类mask，避免类间竞争；ROI对齐，但是我记得不是太清楚了，说了用求周围均值的方法填充边界，后来面试官提示了才想起来是插值。
- 算法题：最大子串和问题。DP，写完代码，面试官说，用的c++11写法太多了，他不太熟悉c++11，正好时间又不够了，是O(n)就行吧。
三面
8月18日，45min
- 聊实习，聊项目。问了和二面第二个一样的问题。这个问题确实是精髓所在。
- Mask RCNN和二面第5个问题一样。
- NLP和CV结合在头条的产品里可能有哪些应用？已经实现和未实现的都可以。必须image caption啊，虽然很难，但是在头条的新闻和抖音都有很大的用途的。然后聊了一些前沿的方向。
- 更喜欢做CV还是NLP？更喜欢做产品还是研究。
面试官说后面有可能会让CV背景的同事再面一轮。HR打电话，反馈结果不错，等通知就行了。
结果
9月3日，问我是否考虑转安卓，IOS开发？如果同意的话，不用其它面试直接发offer了。我？？？不转…
9月7日，又问我是否想转，承诺薪资不会比算法低。可是我实在不懂安卓和IOS开发啊，怎么转？没有下文…
网易游戏
猪场食堂还不错。
笔试
8月12日，线下笔试，综合性较高，考察了传统机器学习，深度学习，强化学习，分布式计算，编程基础，数学基础。做完一脸懵逼，听说均分只有30多分？
一面
8月22日，45min
- 聊实习，聊项目。
- 讲讲LSTM和实习项目中做的改进？
- 有一个多行的超大文件，内存装不下，如何中找出相同的行？我想了一会儿，用哈希，面试官点头，应该是对的吧。
- python中，线程，进程，协程区别。线程，进程好说，协程我没怎么用过啊，python写写实验代码差不多了，老实回答：不太清楚协程。
- 我看你本科是学的信息安全，你能跟我讲讲SSL吗？差不多都忘了，讲了一些基本原理和中间人攻击的东西。
- 计算机网络怎么样？学过，忘了很多。然后就没有问了。
这充分说明不会就是不会，不要硬扯。
二面
8月22日，45min，面试官是个研究员
- 聊实习，聊项目。
- 推一遍LSTM，用公式写出实习项目中做的改进并说说怎么用tensorflow实现的。推了一遍公式，实现是继承了RNNCell魔改，大致写了一下类的设计。
- 聊我的论文。
- 说说DC-GAN。
- 说说Faster-RCNN。
- 说说BN和LN。我把LN听成LRN了，后来想再说的时候，面试官说不用了。
- skip connection作用。防止梯度消失。
- 说说决策树。信息增益那几个公式我混淆了，就说了一个决策树的大致思想。
- tensorflow有哪些缺点？速度慢，频繁更新，修改API，结构混乱，同样的功能可以在多个地方找到不同的实现。
三面
8月22日，20min
- 聊我的论文。
- 说说Faster-RCNN，YOLO，SSD，FPN。
- 算法题，简单DP，最长上升子序列，对话很有趣：
Q：“写个堆排序。”
A：“我忘记堆怎么维护的了”
Q：“那如果告诉你怎么维护的你可以写么？”
A：“可以。”
Q：“那我们来写个最长上升子串吧！”
A：“是子串，不是子序列，是吧？”
Q：“你就写子串吧，子序列更难一些”
A：“子串太简单了，我还是写子序列吧！”
2分钟后，写好了
Q：“lower_bound(), 我还以为你这么快写完了呢？”
A：“那我再手写一个二分？”
Q：“不用了，可以了，可以了。”
开始安利网易游戏。
HR面
8月22日，30min
- 这些项目是自己接的私活儿还是老板给的？老板。
- 你最有成就感的项目是哪个，你担任什么样的角色？XXX项目，核心开发者。
- 这个项目遇到的最大问题是什么？你是怎么解决的，用了多久？原来的算法效果完全不能用啊，我干了XXX，马上提升了XX指标XX点。
- 近期比较大的挫折是什么？很久以前，本科ACM打过铁。
- 如何看待微软的工作氛围？没有网易这么充实（轻松惬意）。
- 有哪些offer，如果我们开出相同的价格，你会怎么选择？有balabala。优先考虑，a.成长性，我是希望加班的（别不给钱就行） b.薪水。在工作比较对口，能让人快速成长，不是天天写业务的情况下，优先考虑巨硬啊，毕竟生活成本比较低，而且第一年惯例有package，薪水不会差太多。当然，如果有公司的base能多10w，可以考虑。
- 家在哪里，家人反对来杭州吗？如果过来会干几年，会不会跳槽？
- 你问了之前面试官哪些问题。
- 玩过哪些游戏？可多了，一一列举。
- 研发比较辛苦，安利网易游戏算法岗还是挺轻松的。
结果
9月7日收到offer意向书。
10月18日收到special offer，薪资比其他几家差一点，考虑到加班和游戏行业的局限性，放弃了。
地平线机器人
没有内推，但是简历被捞起来参加提前批了。
一面
9月3日，45min，全程聊论文和项目。
- 重点探讨了小目标检测的trick和类别不均衡问题。应该是把自己踩过的坑都问了我一遍，好在我踩得坑也不少！
- 讲讲RCNN系列的演变过程。
- 讲讲YOLO，SSD。
- 讲讲RFCN，重点阐述position sensitive score map。
- 讲讲FPN。
二面
9月5日，45min
- 聊实习，聊项目
- 有一条历史时间线，上面有很多人，每个人有出生和死亡日期，设计一个结构，能快速查询和某一个人同时出现的所有人，比如：查询曹操，那么结果应该是夏侯惇，曹仁等…。先说了线段树，分析了时间和空间复杂度，空间复杂度让我推了一个级数和。
- 看起来空间复杂度是可以接受的，那么如果共同出现不是精确到天要精确到秒呢？可以在叶子节点上排序。
- 有没有更优的策略？我没想出来，面试官提示了哈希，我就顺着他的想法说了，以日期为key，value是这天活着的人的有序集合。ok，面试官很满意，然而我觉得这样的做法并没有比我的线段树更优，因为对于查询的人，他活着的每一天我都要查hash表，这样复杂度其实是O(n)，n是这个人活着的天数，大约是1e5这个数量级的，而线段树支持区间查询，只需要O(logm)，m是有文字可考的历史线上天数，按中华上下五千年算，m大约是5000*356的级别，加上log，远远小于1e5。嗯嗯，所以我的答案应该是比他的标准答案还要好。
- 打开百度图片搜索，可以看到虽然同一行所有图片的高度是一样的，但他们的原始高度肯定是不一样的，这个后面可能是怎么实现的？以每一行的第一张图片高度为基准，random一个偏差，以基准加偏差作为这一行的高度，所有图片resize到这个高度，然后往固定的行宽里填充，如果变形太多，就取一个放到下一行。
- 手撕代码，自定义结构，实现这个自动调整图片排列的功能。时间不多，撸了个大概。
三面
9月19日，60min
- 聊项目，聊实习，推公式。
- 有一个图像分类的问题，类别有2000万类，不考虑计算资源和网络结构合理性的问题，暴力地在最后做2000万的全连接。只看对前900万类的分类，效果很好，如果加上后面的1100万类，网络无法收敛，可能是什么原因？既然不考虑网络结构和计算资源，那么只可能是数据的问题，有可能是类别不均衡导致的，可以用重采样或者部分类别做数据增广的方式解决。
- 如果数据确保没有问题，依然出现这样的情况呢？没想出来，好在他提示了。
- 面试官提示，我做了一个实验如果把后面1100万的类标从0开始标记，问题就消失了，即label = 11000000的变成0，11000001的变成1，以此类推。这个问题确实不好想，但是我踩过坑啊，类标是转成浮点数计算的，所以位数上去以后会损失精度。
- 说一下浮点数在计算机里的表示，为什么会损失精度？具体表示是本科学的记不清了，大概是由符号位，有效数字位和幂次位组成，所以超过有效数字位的精度会被忽略掉。
- 怎么解决这个精度问题？
手写高精度的loss;级联分类器，前几个分抽象类，最后一个分到具体类。 - Re-id的东西问了一点。
结果
9月19日收到offer意向书，当天发，真赞！
10月22日收到special offer，在南京的企业里真的算非常高了。
微软
实习生转正面
印度大佬英文面。
- 聊了实习做的东西和team里其它人做的一些东西。
- 算法题：丑陋数变体。手撕代码，推出了int型的丑陋数上限并分析复杂度。
- 愉快地聊人生理想。
结果
10月9日收到offer意向书。
10月23日收到special offer。
谷歌
基本情况
七月底和八月底有两场，校招必须通过至少一场。
面试总共五轮，一轮视频面，四轮onsite面试，其中包括两轮中文技术面，一轮英文技术面，一轮英文非技术面。
因为邮件里特意强调了不要泄露面试题，所以尊重一下，还是不说具体题目了。就说说面试感受吧。
面试安排真的是所有公司里最奢华的了，陆家嘴五星级酒店江景房，报销路费伙食费。定时有邮件通知面试进度，不会像有的公司十天半个月没有消息，所以虽然时间拖得很长，但并没有很焦虑的感觉。
结果
战线拖得很长，还在焦急地等待结果中。
摩根士丹利
大摩直通车
就等参加呢，和阿里面试冲突，两边时间都不可调整，遂放弃。
腾讯
简历未被捞起来。
感受
- 实习和项目，对于找工作太重要了，如果实习单位足够好，几乎所有面试官都会问，基本上一聊实习和项目20-30min就过去了。
- 算法题不用刷太难的吧，面下来感觉大部分都是easy级别的，重点在于bug free和手撕代码的能力。
- 以我面的情况看，算法岗基本是一轮工程面，考察coding和思维，一轮算法面，考察对领域的认知情况，一轮boss面，把把关。
- 会就是会，不会就是不会，千万别说会一点。
- 面试的过程不仅是公司考察面试者的过程，也是面试者考察公司的过程，千万不要妄自菲薄。
- 七八月份还雄心壮志想要收割十几二十个offer，后来觉得还是太累了，能把自己真正想去的公司offer拿到手就可以了。
