腾讯

首先问的项目，项目中遇到的难点，怎么解决的。然后就开始问前端开发的问题了：前端有哪些优化方法？说了这么多前端的优化方法，那后端的优化方法有了解过哪些吗？前端页面用到什么框架吗？之前说到的前端优化方法中的代码打包，那你用过什么代码打包工具吗？跨域了解过吗？Web安全了解过吗？居中的方法？Node.js学过吗？感兴趣吗？因为我们这边后端都是用node.js写的。总体感觉较难，但面试官人比较好，没有冷场，不会答的也没用不耐烦。

第一面是资深产品经理进行面试，主要聊以往的工作经验；第二面是leader进行面试，先是自我介绍，接着会针对简历的工作进行提问；第三面是交叉面，也是以自我介绍为主，针对地图方面的问题问的多。三面之后说让回来等消息，他们内部进行评估。

腾讯暑期实习-产品策划 一面——群面，发挥稳定，通过二面——业务leader单面问题包括：

一面：面试官很亲和，上来主要是简历面，可以说是面面俱到，基本上简历上的东西都被问了个遍，而且还会眼神的考察一些基础知识，比如说介绍一下某些模型的细节、原理等等，稍微扩展了一下简历之外的东西看看知识的了解情况吧，比如说问了我句子相似度、传统方法做文本分类、SVM、word2vec等几个并没有出现在我简历中的知识点。 然后也有几个开放性的问题，比如说我的实习，如果让我采取方案的话我会使用什么方案，fasttext、CNN、RNN的优缺点各是什么等等，也都简单的聊了一下，感觉整体上来讲面试的效果还算可以，基本上问题的回答上来了。面试官也没有深究细节，点到为止。最后问了我关于实习地点在杭州是否可以，可是我还有别的选择吗。

面试岗位：应用研究； 面试时间：2019.3.19； 面试时长：55分钟。 1. 自我介绍直接介绍项目，把项目有条有理的说出来，面试官会逐个问项目的应用、原理； 2. 详细解释Itanh、Isigmoid函数的创新点； 3. ReLU有什么优缺点，带来什么后果？ 4. ReLU有什么变体：leaky ReLU和Parameter ReLU？ 5. LSTM与GRU在模型上面有什么区别；在参数量级上有什么区别？ 6. 你知道有哪些损失函数？ 7. 交叉熵损失函数和MSE之间的优劣？ 8. 什么是大数定理？ 9. 数学建模：现有资产A，每次投资比例为P，每次投资后有两种结果，第一种是赚一倍，概率为0.8，第二种是亏完，概率为0.2，投资N次后，请问当P为多少时，赚钱最多？ 10. 面试官给出的建议：理论知识不够扎实、理论知识的实践（数学建模）能力有待提高，探究问题本质。 11. 我问的问题：应用研究岗位有哪些方面的工作？答案：根据数据研究推荐算法；文本分类，要求有一定的编程能力。

态度很好，主要是简历上的东西。最后问了数据结构的问题。但是最后我提问，我哪里需要加强时候，很明显就是没有论文。大厂论文看的确实重，没办法研究生期间没指导，纯自学。导师就让看5篇论文，就没有后续了，刚开始都不知道学的是这个，还不让出去实习，难呀。转行或者要学深度学习的同学们慎重！ 还要吐槽一下，如果是因为没有论文和落地的项目经验导致的没通过的话，完全可以笔试就挂掉，何必浪费大家时间呢，而且还是生病了，巨难受的情况下的面试，如果面试的下午休息休息的话，我也不用晚上直接去医院了。

线上笔试通过后，面试是在酒店进行的。面试是围绕着项目展开的。问题： 1.讲讲knn，怎么实现？数据量大怎么办。 2.topK问题。 3.逻辑回归的交叉商公式。 4.sigmoid的公式以及图像。 5.讲讲决策树。 6.讲讲随即森林。 7.bagging 和 dropout的共同点。 8.讲讲pca和svd9.讲讲方差和偏差大概是这样。