数据挖掘面试

面的机器学习（自然语言处理）实习技术面两面，一面对项目挖掘比较深，简历里面写过的基本都问了，同时在项目基础上问了一些nlp八股，最后写了一道算法题，同时问了一些输入是否需要特殊处理的问题；二面是技术总监面，主要也是挖项目，同时做了一些场景题和智力题，难度还可以。三面主要是主管问实习时间和实习的期望等等。...查看更多

我曾在21年10月份左右，也就是秋招那会儿曾在拉勾上投递过简历，那时准备的不是很充分，于是就不出意外地凉凉了。意识到自己当前的能力还有待提升后，决定沉下心利用春招前的这几个月沉淀技术，待到春招启动的时候，在2月14日在牛客网上通过AfterShip官网链接再次投递了简历，之后就是笔试--->技术面试--->人事面--->Offer，总体的流程还挺快的。笔试笔试题考察的比较有深度，三道算法题，其中比较有难度的的是一道二进制相关的算法题，总的来说难度在中等。一面：一面的面试官主要是围绕简历去问，基本上没有八股文，着重考察对技术底层的了解程度以及计算机基础，因为时间原因，很多具体的问题想不起来了，所以这里只介绍下主要考察的方面，以及我能想起来的一些问题自我介绍项目，项目中某些业务是如何实现的、所遇到的难点以及如何去解决的计算机网络，如OSI七层网络模型，HTTP、三次握手、TCP协议头部、IP协议头部等MySQL数据库，MVCC、索引以及自己是如何去做优化的等，重点考察的是对技术的理解操作系统，比如线程、进程、调度、用户态和内核态等Linux，常用命令，以及是如何查看某个进程对系统资源(CPU、内存等)的使用情况的源码，是否有看源码的习惯，我说了下Spring框架的源码（这个因人而异）其他，平时如何学习的以及迄今为止自己觉得最骄傲的事是什么反问环节，问了下自己目前相对短板的方面还有很多具体的问题实在是想不起来了，还请多多包涵，总结一下，一面更看重面试者的基础以及潜力，在面试过程中，如果你有些地方答得有瑕疵，面试官还会给你纠正并解答二面：二面的氛围相对轻松，可能是一面的时候被问到的方面比较多，然后在这一面主要是对深度做挖掘，面试官会让我去说我自己比较擅长的方面，然后循序渐进的去一点一点地深挖。除了技术方面的，还比较关注实习的经历（例如：实习给我所带来的收获是什么，由于这个也是因人而异的，所以就不展开说了），除了这些还聊了聊个人的职业规划等等。HR面：最后是HR小姐姐面试，我本来是提前大概5分钟进的会议，HR小姐姐比我还早（感觉好敬业），于是就提前开始了。主要还是是围绕个人经历、在校成绩、室友关系、所期望的公司是什么样的等等问题，涉及的方面还是比较广的，考察的重点是软实力​最后也介绍了许多公司相关的，比如公司的发展、企业文化等等，三个字总结：小而美。小结在HR面两天后就收到通知说已经通过，知道结果后真的挺开心的。因为公司的企业文化以及极客精神都是我所期望的，并且也有很多大佬，除此之外，公司后端主是以go语言为主的，我本人也有转go的意向，进去后是直接转go的。至此春招终于告一段落了，我可以专心学习了(#^.^#)...查看更多

直接在苹果上投的简历，很快就得到了反馈 面试过程比较轻松，做完网申题后就到了视频面，可以说，苹果是我面试这么多公司以来，在招聘流程和人员态度上都是让人感觉轻松且专业，虽然最后因为自己的语言工作水平未达标，但还是一次很愉快的体验，推荐大家可以去苹果尝试下，通过与否都知道自己有什么不足...查看更多

（1）笔试 笔试内容为行测+计算机相关+电信公司等常识问题等，行测内容包含数字推理、图推、言语理解与表达、资料分析等，其中资料分析不容易，需要提前练习；计算机相关为操作系统、计算机原理等基础内容。 （2）面试 面试为三轮，部门面+所里领导面+院领导面三轮，不同部门或者不同岗位面试次数不等，我同学面试的产品经理面试此时小于等于2次。 面试时间每次不超过30分钟，没有算法题，面试主要内容如下（能回忆起来的不多，简略概述）：简单做个自我介绍，从简历中挑选自己最最熟悉的项目进行介绍，我选择的是跟着课程老师做的关于保险领域的智能问答系统的搭建，问完后，面试老师进行提问：回答：trsanformer主要有encoder和decoder两部分组成......（还有几个问题忘记了，都是基础问题。） 二面和一面的时间大约相隔一周，是所里领导面，问的问题也是结合项目问：（剩下的忘记了，总之能从细节中问出是否是你自己独立完成的，这就需要自己对项目每个细节都要把控好，面试前做好功课） 三面也是终面，问的问题也挺深刻： l ...技术上问的不多，没有反问环节（差评） 三面大致就这些，NLP算法岗做的项目至少要有两方面：智能问答和命名实体识别，最好再做一下知识图谱相关的项目，小项目也可，总之技术问的比较基础，但是要求基础踏实。...查看更多