目前就職于騰訊，想内推朋友可以發我履歷(校招/社招都要)，郵箱[email protected]，注明崗位和工作城市。
這個崗位叫法很多，算法崗，資料挖掘崗，機器學習崗，基礎研究等等，總結一下從16年9月校招的面試情況。
百度：
師姐給我内推的，一面聊了2個半小時，基本在寫代碼。用MapReduce寫好友推薦，在一堆單詞裡面找出現次數最多的k個;設計一個棧，O(1)時間傳回最值；求多叉樹深度。二面基本都在問hadoop，資料結構與算法。聊了1個半小時，hadoop原理，shuffle如何排序，map如何切割資料，如何處理資料傾斜，join的mr代碼如何寫。動态規劃，樹結構，連結清單結構等等。三面是經理面，問了些性格方面的問題，還有些比賽和項目中遇到的問題，隻聊了半個小時，要了身份證，說後面會安排筆試，後來筆試通過了，談了一下給special offer。
阿裡：
因為拿過天池競賽top名次，直接給終面，但是不想去菜鳥就拒絕了。然後我就叫朋友幫我内推了螞蟻金服，1面聊機器學習裡面的東西，資料結構算法，比賽，項目。2面問了如何在海量資料中查找給定部分資料最相似的top200向量，向量的次元也很高，以前了解過類似問題，直接就說可以用KD樹，聚類，simhash。然後又問怎麼衡量兩個商品的成本效益，從二分類的角度大概描述了一下，後面問了些比賽和項目。終面的時候跟我說螞蟻金服沒名額了，問我願不願意去架構部門做java web開發，果斷拒絕。沒有參加正式校招的筆試，現在想起來挺後悔，校招過了很久之後因為其他比賽拿到top名次的原因重新邀請面試，沒什麼狀态直接放棄。
騰訊：
内推到王者榮耀跪掉了，于是參加了正式校招的筆試。一面的時候，手推了一些模型公式，LR，SVM，XGB。AUC的定義和本質，有哪些計算方法，代碼實作。聊了些比賽和項目，總之聊的比較開心。二面 要求用C++寫字元串拷貝……直說我不會C++，但是應該有安全性問題需要考慮下，我記得字元串結尾有\0這種容易掉坑的地方。後面聊了動态規劃，還有些劍指offer上常見的題目，hadoop,spark,storm下面的産品，原理，适用場景，DNN原理，應用，接着繼續聊項目和比賽。HR面就随便聊天，問比賽和項目裡遇到過的困難，問了自己的優勢。還問了我拿到了哪些公司offer，對意向的公司的一個排序是什麼，期望待遇。然後說是9月28之前出結果，過與沒過都能在微信上查到。9月27号上午，收到騰訊offer。
華為大牛專場筆試滿分，現場面了2面裝逼過度被刷了。後來參加過今日頭條的比賽拿到top名次邀請面試，沒什麼狀态也放棄了。研究所學生快畢業的參加了京東的一個算法比賽，拿到亞軍。直接總監面，過了一周之後發了special offer。
總結
經常會問到的問題，經典算法推導(加分項)，原理，各個損失函數之間差別，使用場景，如何并行化，有哪些關鍵參數
比如LR(并行算法的幾種優化方法經常被問到),FFM,SVM,RF,KNN，EM，Adaboost,PageRank，GBDT，Xgboost，HMM，DNN，CNN，RNN，LSTM，推薦算法，聚類算法，圖像，自然語言，等等機器學習領域的算法，這些基本都會被問到。
XGB和GBDT差別與聯系也會經常問到。一些評估函數，F值，mae，logloss，AUC，[email protected]，特别是AUC是如何計算的；哪些優化方法，随機梯度下降，牛頓拟牛頓原理；生成模型，判别模型；線性分類和非線性分類各有哪些模型；SVM核技巧原理，如何選擇核函數；特征選擇方法有哪些；常見融合架構原理，優缺點，bagging，stacking，boosting，為什麼融合能提升效果；資訊熵和基尼指數的關系(資訊熵在x=1處一階泰勒展開就是基尼指數)；如何克服過拟合，欠拟合；L0，L1，L2正則化(如果能推導絕對是加分項，能畫個等高線是最基本的，L0是NP問題)；模型性能如何評估=方差+偏差+噪聲；方差：訓練集error低，驗證集error高，偏差：訓練集驗證集error都高。
其實上面的這些問題基本都能在《李航：統計學習方法》《周志華：機器學習》裡面找到，能翻個4，5遍基本就無壓力了
另外可以報一下小象學院的機器學習班，等到開團的時候報也就300左右，講的挺不錯的，有算法推導和代碼實作，我也是看了之後才明白很多算法的原理。還會問一些常見的資料結構和算法，寫代碼的題基本都是出自《劍指offer》和《微軟面試100題》，隻要刷幾遍，代碼題這裡搞定也是加分項。
其餘的基本就是問問比賽，項目，遇到的問題，如何解決，在團隊中的角色，評價自己；面試官問你還有問題要問沒，就别瞎問了吧，多看看别人的面經；比如問點現在這個部門做的業務，遇到過的問題，部門發展的一個規劃；最好别叫面試官評價你，要是評價不好會影響心情，自己的面試表現自己應該清楚。
可以在自己面試的時候做記錄，經常複習，先從小公司面起，積累經驗；另外要定位準确，自己的水準自己清楚，不要死磕大公司，浪費了大量時間還經常1面被刷；沒事審視下自己的履歷，不要把自己不熟悉的東西寫上去，像什麼精通之類的建議改成了解吧，不然會被問哭的；不要裝逼寫2頁，我很多項目比賽都沒寫進去，隻寫了幾個名次靠前的比賽，能吹一點的項目，其他沒寫進去的可以找機會主動說出來；項目即使很水，也要吹的很難很厲害的樣子；比賽和項目盡量突出裡面的難點，自己做的貢獻。
多刷題也比較重要，我自己的感受是内推問的問題會比通過了筆試問的要難一些，深一些；算法的推導同樣重要，之前我也是看到那些公式就蛋疼，後面沒辦法，看書看視訊，多手推幾遍，這樣面試的時候更有底氣；個人覺得在面試的時候能手推算法的應該比較少，是以優勢是很大的；實習生面試BAT跪掉的原因就是沒有複習，對算法的原理了解不夠深入，是以在校招的時候，9月開始用了将近一個月的時間來複習，效果挺好。
建議多交一些牛逼的朋友，我們有個專業打比賽群，6個人，有4個百度offer，有3個騰訊offer，還有個研二估計是下一個阿裡星吧（一年前的預測成真了，wepon真的拿到阿裡星了……天音也拿到阿裡offer了，群裡bat齊了，後來有個大佬去頭條了，現在看來是明智的決定）我們經常一起打比賽，在群裡讨論學術，裝逼扯淡什麼的，今年隻要參加了的比賽，基本都拿獎了吧。
另外感覺大公司也并沒有學校歧視，我的學校211都不是，問都沒問過學校的問題。我大學是個學渣，找不到工作就考研，讀研開始寫代碼，是以兩年，可以改變很多事情。
下面是我準備面試整理的一些資料，裡面有很多算法以及面試問題
http://download.csdn.net/detail/bryan__/9640531
大量算法題參考資料
http://blog.csdn.net/v_july_v/article/details/6543438
http://blog.csdn.net/hackbuteer1
機器學習公開課
https://www.julyedu.com/video/play/18/10
面試算法資料
http://www.cnblogs.com/tornadomeet/p/3395593.html
機器學習知識點總結
https://bbs.aliyun.com/read.php?spm=5176.100258.100258.8.bhrQ8k&tid=294564&displayMode=1&page=1&toread=1#tpc
http://m.blog.csdn.net/article/details?id=50244695
面試程式設計題十大經典算法
http://mp.weixin.qq.com/s?__biz=MjM5Nzk2MDU5NA==&mid=2652545706&idx=3&sn=87e964154fa54999719c34c4b67dfff7&scene=0#wechat_redirect
知乎上的問題，如何準備機器學習工程師的面試，非常全，多往後面翻，收獲會很多
https://www.zhihu.com/question/23259302
如何判斷深度學習面試者水準
https://www.zhihu.com/question/41233373
最後是我參加資料挖掘競賽的情況，截止17年6月，天池積分榜排名第五，拿到3次top3，獲得天池平台的資料科學家稱号，2年競賽生涯圓滿。
另外,想要來騰訊,可以掃碼内推
