滴滴出行算法研究员面试经验

第一轮：问简历项目，问了两道算法题，关于拉格朗日乘数法以及决策树、随机森林、SVM、GBDT的原理。第二轮：问了智力题，关于100桶水，一桶有毒，最少要用多少小白鼠的问题。问了两道算法题，第三轮：boss面，三道算法题，一道是堆排序，一道是关于求和的：给定一个查询q(day, hour),输入是日期和小时，返回该日期小时下的打车人数，问需要经常获得某几天某几个时间段（连续的，比如3-5号12点到14点）的打车人数和，怎么设计。

面试官挺好的，问了我的项目，让我做两道编程题，第一道挺快就做完了，第二道有思路就是写不出来代码，有点紧张，感觉没戏。

第一面开始求职的第一次面试，视频面试，原定的3点45到下午4点30多开始面，一面中规中矩，面试小哥没有为难我，主要是先自我介绍，然后问了一个Java语言的问题(抽象类与接口的区别、用过Map吗，说一下HashMap和TreeMap的底层实现的区别)，接着手写了道快排，讲解了一下就开始让我介绍参加过的京东的比赛(要求按照一定的框架讲，比如做了什么，觉得自己做的好的有说什么，有什么做的不够好的)，在介绍的过程中针对性的提了一些问题，可以说都是一些常考的问题，记录如下： *解释下过拟合； *数据类别不均衡的处理方法； *XGBoost相对于GBDT有什么不同； *数据记录有多少？特征有多少？训练时间多久？ *有什么想要问我的？ 第二面这一面倒是没有撕算法也没有问一些基础的问题，都是偏向实际应用的略开放的问题，记录如下： *我看你两个项目使用的方法类似，你觉得哪个做得更好一点？然后接着问为什么你觉得另外一个做得差一些，问题出在哪里？ *我看你比赛里面用的都是树形模型，为什么不用其他的模型？ *人工处理特征与使用模型自动生成一些特征各有什么优劣？ *你提到你感觉一个比赛里比另一差的原因是特征这方面，但我看你写到构造了交叉特征，请问构造了哪些交叉特征？为什么还是差呢？(这里针对交叉特征的定义纠结了一段) *你实际运用XGBoost与LightGBM中感觉哪个更好一点，有什么在比赛中发现的区别？ *是否还了解其他的一些常用的方法（这里开始没明白，后来询问面试官，举的例子是LR+XGBoost或者FM+XGBoost，于是我提了一下了解的用来做ctr预估的应用，但是感觉面试官并不满意） *你两次项目用的处理方法差不多，那么你后面一次是否有什么新的收获呢，还是说你只是重复的使用一套方法？ *我的问题提的差不多了，请你讲一下我没有问到的你认为可以表现你自己亮点、优势的地方总体来说虽然第二面挂了，不过也还是服气的，确实只是懂得一些基础知识恐怕还是不足以胜任公司的要求吧，顶多撑过一面，后面的话更多的希望你能结合是你实践中的实际体会来讲(比如理论上一个模型和另一个模型相比的优缺点在实际中有哪些体现)，另外也需要你在工业应用方面有更多的了解，如此看来，还有很多的地方需要学习，加油！

两礼拜前接到滴滴的面试邀请，才开始刷题，因为我之前做的主要是深度学习应用相关的东西，所以技能比较停留在知道相关算法原理及会用的水平，并没有去实现．传统算法部分还停留在本科时期的水平（这几年还遗忘了不少）。 面试官出了两题，会分享在下面，应该都还是比较基础．面试官人挺好（滴滴里边我接触到的人都挺好的，回复消息也很快速），开头让我自我介绍，介绍完了也不多说，就说：好，我们开始做两道题吧．编程语言随我选（蒙圈，之前花了大量时间回忆重读大学的C++上，不然就直接把这些时间花在刷题上了）第一题是二维数组的旋转打印，比如1 2 38 9 47 6 5从1到9打印出来．（太紧张，花了半小时左右，没有写出来．）第二题是单链表的排序，要求时间要达到n*log(n) （排序题之前刷过一些，但觉得第一题简单但没做出来，这题都没注意给的是单链表就直接上快速排序） 以上，经验教训：1）不要过早投简历．没有刷上至少一个月的题（当然之前就很精通传统算法的除外），心里是虚的，很容易挂，浪费机会．特别如果公司是你很想去的一家公司． 2）准备时如果时间紧张不要花太多时间在代码标准化上，首先集中与算法跟问题解决的技能，不然很可能陷入跟楼主一样的误区。能看得出别人代码写的质量（比如剑指offer的标准答案里的代码有些片段不是很符合bjarne c++ programming 书的标准建议的），但自己却写连完整答案都搞不出来。

一面：1. 1000桶水有一桶有毒，一头猪喝了有毒的水之后过15分钟会死掉，问最少需要多少头猪来找到有毒的水，在一个小时之内；2. 文本分类项目；3. 实习项目；4. 括号匹配问题，给一个不匹配额括号串，只包含左括号和右括号，这个串去掉一个字符可以变成匹配串，找到所有可能的匹配串；5. 线程和进程的区别；6. 两个线程同时访问同一段代码程序。 二面：1. 实习的项目内容；2. 多个有序数组求交集；3. 多个有序数组求并集；4. 旋转数组中的查找；5. SVM；三面：1. 实习内容，顺便问了learning to rank；2. 离散型属性和连续性属性的优缺点，连续性属性离散化的好处和坏处，好处就是可以维度扩展，从而可以训练处非线性模型，坏处就是容易过拟合，过拟合了之后怎么解决？计入正则项，或者去看离散化之后的特征，哪个特征所包含的样本太少的话就把这维特征去掉，去噪声，在特征的数量上进行制约；3. 有m件物品，每件物品分别有不同的重量是一个m大小的数组，n个背包1~n编号，每个背包的容量为T，把物品往背包里面装，一个背包在容量运行的范围内可以装多个物品，但是装背包必须按照背包的编号来，并且开始往第二个背包里面装物品之后就不能再往前面的背包里面装了，问最多可以装多少件物品。（类似买卖k次股票的问题）

1面问题：基本的特征点提取算法，动态规划算法（编程）；2面问题： 你做过的项目，细节，很细；你改进的算法，精确度，速度提高多少，具体数据。

问项目，问项目里面的具体细节，算法是什么，总之很难。然后问语言基础，我面C++，没复习好，结果问的很深，没答上来。

主要还是考的leetcode以及剑指offer上的面试题，建议多复习；算法问的比较细，会有概率题提问。