高德机器学习面试经验

我面试的是算法实习，面试官很nice，一对一面，基本是根据简历上的经历进行提问，都是关于机器学习的理论知识，比如发生过拟合的原因有哪些，针对这些原因，有什么样的解决办法，什么是正则化，原理是什么，为什么要归一化处理等，我准备得很仓促，所以回答有点磕磕绊绊，结果可想而知。所以还是准备充分吧，基础知识扎实的成功率才会很大。

最开始是突然接到一个高德的好像产品负责人的电话（不是我投递的，他说是猎头推荐的），聊了20分钟，问我要不要去北京，我说可以考虑，然后还问了一些现在的工作内容。几天后接到高德电话，应该是技术面试，问了一些spark和redis的深层机制，然后又问了好多业务的具体问题，应用场景，很多很多业务上的。 给我的感觉不像是面试，倒像是取经，问到后面很细节涉及到公司机密的，我也不好说了，感觉要把整套业务学去。面试了40多分钟的业务，之后就不了了之了。这次的体验很不好，难道我是被忽悠了？不知道是不是个例。

本人985硕士在读，非计算机专业，爱好机器学习，研究方向也是利用深度学习做预测。面试岗位为算法工程师实习生，由于是内推，没有笔试。直接进入面试，面试官首先寒暄了几句学校等信息，然后开始正式面试： 1.首先现场是写代码能力。用你熟练的语言。具体题目（大致回忆）：给定一个数据路径***.data，其中包含一列浮点数据，从路径读取出数据后，从中进行不重复的随机抽样，要求写出完整的、可执行的代码。 2.然后问了一些数据结构的知识，一个简单的求均值方差算法时间空间复杂度什么的。 3.由于准备不充分，我前面回答的都不太准确。然后面试官就说我们来谈谈项目吧。我给他讲了一个深度学习的项目，他也问到了我这个算法的点子上了，直接指出我的算法存在的一些问题，而这部分正好是我的算法不足之处，需要改进的点。随后又问了我关于CNN的权值共享原理、全连接层的意义以及必要性等问题。 4.最后问我有什么问题需要问的，(感觉他已经想结束这场面试了)我就问了一下，高德地图的校招需求，从中了解到他们校招的名额很少，基本每年都围绕社招进行，招聘的都是某领域特别出彩的应届生。   总之面试结束，我就知道应该没戏了，自己本身不是计算机专业，又准备得不太充分，还需不断努力，算法工程师不是朝夕就能从其他领域转过来的，自己还有时间，找工作之前继续学习吧！   总值面试过程是不紧张的，气氛也是轻松的，但面试内容却是严谨的，不容轻视的。建议想去高德导航算法部门的同学把他留在最后，在熟练面试技巧及基础知识后再去尝试，难度4颗星！

首先是自我介绍，然后从自己最熟悉的项目开始，介绍项目过程，在此阶段，面试官会反复打断你，然后就里面的东西提出问题，所以一定要准备的非常仔细。会准备一个小黑板，给面试者写东西，我的面试问题是：     1.归一化的方法和公式；     2.数据不均衡的处理方法；     3.衡量特征与目标label之间关系的方法，如皮尔逊相关系数（公式），各种模型的feature importance；     4.随机森林得到的feature importance的原理；     5.Batch Normalization的优缺点；     6.介绍树的分叉原则，ID3，C4.5；     7.介绍随机梯度下降法以及牛顿法的优缺点；     8.介绍逻辑回归，并写出损失函数并推导随机梯度下降；     9.gbdt与xgboost的相同点和不同点；     10.冒泡排序；     11.讲述一下xgboost的基本原理。

面试官先问了有没有发论文，然后问了相对与北京高校的其他同学有什么优势，然后开始出题，题目比较简单，快排，然后手推svm，最后问了点项目。