深圳腾讯算法研究员面试经验

电话面试，面试了一个小时左右，先仔细讲自己的项目经理和科研经历，面试官会针对性的提问，后面又问了几道基本的算法题。

面试官很nice，即使不会也鼓励你没关系，继续很温和地提问。层层深入，看得出来技术过硬。很受益的一次面试。

面试主要问简历上项目，很友好，问题也会问很细节，项目里面具体的公式都会详细问道。

【技术面】什么是感受，介绍一下去噪的一些方法，如果八张叠加模糊，那么怎么再LOSS上改进。 （1）100000个数字，精度10-3， 范围0-1，寻找中位数； （2）再一张图上，有很多个点，寻找 一些类别，每个类的聚点生成模型与判别模型，代表的是？操作系统，进程间的通信方式？RCNN?FRCNN?视频理解原理？常用的优化方法？牛顿法与SGD区别？ 【HR】最挑战最挫折，家庭情况，一个印象最深项目，优点缺点为什么来？兴趣爱好。

面的Robotics X部门，面试官那边感觉背景非常的机械工程，然后想招实习生去做机械臂的底层运动控制，这块我其实涉及的不多。面试也就是简历项目一个一个往下聊，感觉没什么共鸣。估计没戏。

挂在了三面上，问的比较深，确实本人思考不够。要从数学、概率论的角度去回答，从来没有思考过这类的问题。

面试官很可能没有提前看简历，也不对简历提问，直接问排序算法，包括冒泡和快排，还有top-N算法。没准备，答得不算好。然后面试官让我假设面对一个不知道logistic回归的人，用通俗的话让他听懂什么是logistic回归，讲的不好，还是要说一些数学名词，面试官不满意；之后提问：怎么挖掘一个人的兴趣（原题目忘了，反正挺开放的题），说来说去只能想到协同过滤； 又提问：如果你有个项目马上到期了，可是你还没有完成，你会怎么做。完全没想到这样问，回答的语无伦次。面试官估计觉得我比较不适合这个岗，把我调剂到软件开发。遂弃。

腾讯一面凉，简历介绍和简单算法原理。问了LIGTHGBM和XGBOOST的基本原理，为什么选择这些模型。

电话面试，开头自我介绍，之后就问了有没有项目经历。但是因为自己没有，面试官就挺尴尬的，挺快就结束了面试。