为帮助读者在即将到来的2021春招中斩获心仪offer,我们将整理一系列求职文章。
本文介绍腾讯、百度、滴滴三家大厂NLP算法的最新面试经验,其中前两家公司给了ssp offer。
腾讯TEG实习
视频一面
1、自我介绍
自我介绍即开场白需要提前准备并多次练习,内容不用太多,言简意赅地讲清楚学校、专业、研究方向,概括介绍实习/论文/比赛等亮点即可,细节可以根据面试官的兴趣再深入。
2、项目/实习经历
这部分主要根据简历上的实习/项目进行,可能会问背景、怎么做、为什么这样做、最终结果、是否成功上线等,再深挖一些技术细节,或顺带考察ML、DL等知识点。
由于校招同学没有工作经验,所以项目和实习是展示自身能力的最好亮点(一堆CCF-A的大佬请忽略并接受我的膝盖)。面试官可以从介绍中了解你的工程能力、抗压能力、沟通能力、思维方式等等,如果吸引到面试官肯定能加分,要是面试官觉得索然无味估计面试也就到这儿了...
所以对于简历上的内容要滚瓜烂熟,能知其然知其所以然最佳。如果问到简历上的内容没答上或吞吞呜呜,将非常打脸,造成硬伤(简历上自己写的都不会,别的还用问吗╮( ̄▽ ̄)╭)。
切忌在简历上洋洋洒洒地写“熟悉Xgboost、SVM、Bayes、HMM、CRF、KNN、LR、CNN、Attention等算法”。是听过名字就算熟悉?还是啃过源码、理解背后原理?即便真的对这些算法理解透彻,最好也能结合例子来说明,而不是穷举。
而对于没有项目/实习/比赛经历的同学,这一部分时间只能由考察基础算法来弥补了,这样一来随机性、难度都提升了不少;所以平时尽可能多积累这方面的经验,让简历充实起来。
“项目 or 实习 or 比赛 or 论文”最好为真,这是底线。
3、介绍一个比赛
我从简历上3个比赛中,选择了一个最有亮点的比赛,从数据、模型、提分trick三方面做了介绍。
4、如何实现知识蒸馏,loss怎么选择
5、介绍TinyBert的工作原理
6-9考察机器学习基础
6、LR是线性模型吗,为什么?
7、梯度下降和随机梯度下降的区别
8、GBDT和XGBoost的区别(至少3方面)
9、偏差和方差的区别
10-11考察深度学习基础
10、怎么理解XLNet的,XLNet的输入是什么?
11、一个二分类任务,假设只有一个维度的特征,取值范围是0~正无穷,如何实现二分类?
12、手撕代码:两个数组求交集
只能使用 list,如果要用其他数据结构(比如字典)需要自己实现;时间复杂度尽可能低。
腾讯一面难度中规中矩,量比较多但基本都在考察基础。
关于手撕代码,今年应该是非常关键也是必做的环节,很多公司直接将编程题作为通过面试与否的硬性指标。刷题要趁早!
电话二面
1、询问两个实习项目,详细考察细节
2、介绍textcnn实现过程,池化时loss如何反向传播
3、假如不用bert,一大堆文本有几百万个词,直接训练词向量很困难,如何去做特征选择
4、LSTM门控机制是怎样的
5、LTSM主要解决了RNN什么问题,为什么能解决
6-9重点考察语言模型
6、介绍GPT2如何写诗、写对联
7、GPT2如何围绕一个主题/关键词写诗
8、ELMO、BERT、GPT模型彼此之间有什么区别
9、word2vec和ELMO主要有什么不同,为什么elmo效果更好
hr视频面
1、询问导师、实验室的研究方向
2、智能客服系统中,你主要负责哪些模块?
3、base在深圳能否接受,多久可以来实习?
面试结束后过了2天,成功收到TEG的offer call。
百度自然语言处理
视频一面
1、手撕代码:
给定一个字符串S和一个字符C。返回一个代表字符串S中每个字符到C的最短距离的数组。
# inputS="paddlepaddle",C='d'# output[2,1,0,0,1,2,2,1,0,0,1,2]
2、介绍简历上的2个项目和1个比赛
3、介绍bert和TinyBert
4、bert如何实现微调
5、fasttext的实现原理
6、文本匹配如何实现
7、手推信息增益、信息增益率、Gini指数公式
8、ngram如何过滤不合理的组合
9、还有什么想和我分享的?
面试官给了一个展现自我的机会,我介绍了一个最近在实验室新做的项目(简历上没有)。
视频二面
1、手撕代码:
word2vec负采样具体怎么做的(知识点:累积概率分布、二分区间查找)
2、文本匹配怎么做
3、文本匹配不当分类来做,loss怎么设计?
4、bert在中文和英文场景下使用,有什么区别
5、介绍一下在开源组织CLUE的工作
6、假如给offer,什么时候能来实习
hr视频面
聊个人特质、看重公司哪些方面、个人职业规划等
滴滴出行规划
视频一面
1、详细介绍1个项目和1个比赛
面试官让现场打开比赛链接查看排名和解决方案
2、手撕代码:
因式分解
判断年份是否为闰年
视频二面
1、介绍1个项目
2、介绍transformer
3、介绍常用的聚类算法(KMeans、DBSCAN、Mean Shift)
4、介绍word2vec2种实现模型、区别以及和fasttext的区别
5、手撕代码:并查集
视频三面
1、介绍1个项目
2、手撕代码:
两个有序数组,求第k大,时间复杂度尽可能低(log(m+n))
总结
近两年AI算法岗非常内卷,加上疫情影响给找好工作都增加了难度。但身边的朋友基本都在头部大厂收获了1+offer。实习和项目经验仍然很重要,ACL、NIPS等论文近些年在贬值。扎实的理论基础和coding能力可以让你进大厂后继续保持足够的竞争力。
手撕代码是面试的一道坎,要早做准备。同时,尽可能把握住可以跳过笔试(大部分公司)的提前批面试。
祝大家在新的一年offer多多,好运连连。
责任编辑:xj
原文标题:腾讯、百度、滴滴最新NLP算法面经
文章出处:【微信公众号:深度学习自然语言处理】欢迎添加关注!文章转载请注明出处。
-
百度
+关注
关注
9文章
2258浏览量
90262 -
腾讯
+关注
关注
7文章
1645浏览量
49402 -
自然语言处理
+关注
关注
1文章
614浏览量
13511 -
nlp
+关注
关注
1文章
487浏览量
22015
原文标题:腾讯、百度、滴滴最新NLP算法面经
文章出处:【微信号:zenRRan,微信公众号:深度学习自然语言处理】欢迎添加关注!文章转载请注明出处。
发布评论请先 登录
相关推荐
评论