1 京东面经汇总资料

1.1 面经汇总参考资料

① 参考资料：

（1）牛客网：京东面经-105篇，网页链接

（2）知乎面经：点击进入查看

（3）面试圈：点击进入查看

② 面经框架及参考答案：

（1）面经知识框架：点击进入查看

（2）面经参考答案：点击进入查看

1.2 面经涉及招聘岗位

（1）实习岗位类

【算法工程师实习】、【京东搜索部门算法实习】

（2）全职岗位类

【京东保险算法岗】、【数据分析工程师】、【搜索与推荐平台算法工程师】、【京东数科算法工程师】、【京东云下的应用研发部算法推荐工程师】、【语音识别算法工程师】、【机器学习算法工程师】、【推荐系统算法岗】、【图像算法工程师】、【京东零售部算法工程师】、【达达京东到家算法工程师】、【京东广告算法工程师】、【京东NLP算法工程师】、【广告质量部算法工程师】、【京东物流算法工程师】

1.3 面试流程时间安排

PS：以上流程为大白总结归纳所得，以供参考。

其他注意点：

● 有的HR问的问题常规，项目中最有成就感的一次  最有挫折感的一次?为什么想要加入jd？

● 有的HR问的很独特，比如：

（1）你认为成为好朋友是契机重要还是相处过程重要

（2）和人相处过程中是否有遇到突破你底线的事情

（3）关注时事吗？说一个时事，以及你的感受

（4）你觉得自己是哪种动物？

1.4 京东面试心得汇总

★ 问得比较杂，比较综合，比如操作系统、计算机网络、linux系统、数据库、机器学习、大叔局，编程。

★ 京东的面试专注于考基础知识，基本不涉及特别深入的理解，我的面试时间相对来说比较长，一般都是20分钟左右的面试流程，面试的是最后是否会录取你的部门，京东面试的流程比较快，但是发offer可能会比较慢，楼主在二面当天晚上就加到了leader的微信，期间一直询问我有没有收到offer，但是最终时隔20多天才收到offer，可能是校招组和内部沟通还是有时间的延迟吧，不过总体来说京东的面试体验挺好的，守时而且面试难度一般，面试官态度很好。

★ 各个方面都会问一些，针对会的问题会延伸问

★ 对于整个行业的动态，了解的比较多

2 京东面经涉及基础知识点

2.1 图像处理基础

2.1.1 讲解相关原理

● 膨胀腐蚀的原理讲一下？

● 传统去噪算法了解哪些，BM3D，NLM，介绍下？

● 聊了傅立叶变换，小波变换，离散余弦变换？

● 图像的有椒盐噪声用什么滤波器？

● 中值滤波与高斯滤波的原理与运用场合？

● canny算子和sobel算子的原理与运用场合？

● 霍夫变换检测圆的原理？

2.2 深度学习：CNN卷积神经网络方面

2.2.1 讲解相关原理

2.2.1.1 卷积方面

● 感受野受哪几个参数的影响，给了一个距离例子，计算感受野的大小 ？

● 上采样方式subpixel，反卷积，resize

● 卷积核大小为什么是奇数？

● CNN为什么参数共享?

● 简要介绍一下dropout（训练测试时的步骤，为什么可以防止过拟合）

● Dropout前向和反向的处理？

● dropout原理，在测试时需要怎么补偿？

● Dropout什么原理?

● CNN为什么比DNN好呢？

● CNN的权重共享平移不变的作用和意义怎么体现的？

2.2.1.2 网络结构方面

● 把CNN的发展历史从2010年开始按时间轴顺序说一下，说Dense Net, Xception, 胶囊网络这些，然后问为什么pooling层不好，哪里不好，要用胶囊网络？

● 画一画ResNet的一个BottleNeck？

● Resnet说一下shortcut,两个mapping 、为啥可以无损传播梯度，为啥可以缓解网络退化

● Inception网络多层卷积之后是concat还是逐像素相加？

● Xception网络含义？

● ResNet、DenseNet含义，处理方式，有什么好处，具体concat还是逐像素相加？

● 了解哪些模型，讲下它们的原理（VGG，Inception V1-V4，Resnet）

● Vgg网络名字的由来？

2.2.1.3 其他方面

● 神经网络如何加速？

● CNN和传统的全连接神经网络有什么区别？

● BN怎么实现的？inference时候具体怎么做的？

● BN的参数，原理说一下?怎么做的标准化，作用是什么？为什么减少过拟合？

● Batch normalization原理，先归一化然后恢复有何意义？

● BN和LN，问的很细，包括二者区别，为什么BN不在RNN中使用？

● 描述下前向传播、后向传播？

● 样本分布不平衡时，模型效果为什么不好？说明理由？

● DNN和CNN区别？

● 梯度消失和梯度爆炸的原因，怎么解决?

● 解决梯度爆炸的方式（算法层面）?

● 梯度爆炸梯度消失（要求举具体的例子做为说明）

● 你的参数是怎么初始化的。全部为0？随机初始化？高斯分布中随机取点？

2.2.2 数学计算

● 卷积参数量计算，尺寸计算？

2.2.3 公式推导

● 神经网络分类的softmax数学公式，如何计算

2.3 深度学习：RNN递归神经网络方面

2.3.1 讲解相关原理

● RNN为什么会出现梯度消失的问题？

● 介绍一下LSTM？GRU跟LSTM有什么区别？

● LSTM怎么解决RNN的问题？

● GRU改进了，为什么不用？RNN上面最近两年有什么新网络改进？

● LSTM里面怎么处理输入变长的序列？追问那一个batch里面长度不一样怎么办，训练会出现什么问题？继续追问选择一批训练的数据满足哪些约束，随机选么?说一下对LSTM里面的Attention机制的了解？

● RNN，LSTM原理？区别？为什么lstm门用tanh？

● Transformer和lstm的优缺点？

● LSTM有几个门？各个门的作用是什么？公式是什么？LSTM解决了什么问题？

2.3.2 手绘网络原理

● 写一下LSTM的结构和前向的传播公式

2.4 深度学习：CNN&RNN通用的问题

2.4.1 基础知识点

● 如果数据量很大，内存不够怎么办 ？

● transformer：位置编码，为什么用位置编码，self-attention

● self-attention的作用和功能？

● 加不加self-attention在计算效率上有什么不同？

2.4.2 模型评价

● 知道哪些评价指标?

● 介绍下AUC和F1-score?F1值的计算公式说一下？怎么理解AUC?

● 手写AUC的计算（小矩形积分得到总面积即可）

● 样本不均衡对roc曲线有影响吗？对pr曲线呢？为什么？

● 画一下混淆矩阵，写一下精确率和召回率的公式？

● 验证集是做什么的，测试集效果怎么评估?

● 介绍回归、分类用到的评价函数？

● 分类器评估标准（准确率，召回率，F1值，ROC，AUC）

● 手写recall，precision，f1score公式以及公式中各个指标代表的含义？

2.5 传统机器学习方面

2.5.1 讲解相关原理

2.5.1.1 数据准备

无

2.5.1.2 特征工程

① 特征降维

● 有没有用过机器学习的降维方法？

● 讲一讲LDA算法（线性判别分析）?

● 介绍PCA

● 特征工程预处理的流程？

② 特征选择

● 特征工程对于连续特征，我们通常有两种处理方式：1. 连续特征离散化；2. 特征缩放，这两种分别在什么情况下做？

● 讲了一些特征工程的技巧？

● 如何对连续特征进行离散化处理，为什么要这样做？

● 做数据分析选特征的时候有哪些评判指标？

● 所有模型都要求对数据进行标准化么？

2.5.1.3 有监督学习-分类和回归方面

① 分类回归树（集成学习）

● 讲一讲树模型（RF, GBDT, XGBOOST）

● GBDT和随机森林的区别来说一下？

● GBDT和随机森林的树的深度哪一个比较深？为什么？

● 知道哪些集成方法？

● 如何用回归树实现分类算法？

● 常用的线性分类算法有哪些？

● 常用的非线性分类算法有哪些？

● xgb和gbdt的区别?gbdt+lr实现细节?

● 讲一下XGB的原理，优缺点，推一下公式？

● LGB、XGB的区别和联系，并行是如何并行的？

● 除了树模型，Bagging能不能接其他的基模型?

● lightgbm讲一下，具体是怎么做的？和xgboost的区别讲一下？

● lightgbm的直方图加速讲一下？具体是怎么来做的？叶子节点是怎么分裂的？说一下？

● Xgboost和LGB原理?

● 说一下GBDT的原理，boosting 和bagging是怎么减少偏差的？

● gbdt各基学习器之间是如何产生联系的?

● 手写xgboost的目标函数，xgboost构建树时候节点分裂的公式是什么？

● xgboost如何调参,xgboost可以自定义损失函数吗？

● 给定一个场景如何自定义损失函数？

● 如果样本的权重不一样如何自定义损失函数？

● sklearn的xgboost支持哪些损失函数？

● 分类和回归算法都有哪些损失函数？

● 模型融合如何做的？

● bagging，boosting和stacking的原理以及他们的区别是是什么？

● XGB+LR，XGB充当什么角色？

● 为什么XGB+LR可以提高模型效果？

● 如何在XGB模型选择树的棵树时早停？

● XGB的损失函数进行了二阶泰勒展开，为什么可以用泰勒展开？为什么用二阶而不是三阶四阶？

● 说一下自己理解的XGBoost?

● XGBoost和GBDT的区别是什么?

② 逻辑回归LR

● 说了逻辑回归，在什么情况下你会选择用逻辑回归?

● 用L-BFGS来推导一下logistic regression的迭代公式?

● LR损失函数介绍一下，如何优化？

● 讲一下逻辑回归？ 当数据量特别大的时候，逻辑回归(LR)怎么做并行化处理？

● LR为什么不用mse，svm为什么用hinge不用logloss，我不会，面试官耐心画图给我讲原理。问svm为什么要用核函数。

● 如果自己写一个LR的话，要包含哪些模块（我只说到了训练部分，面试官补充了还有分类预测的模块）

● LR不做标准化有影响吗，神经网络呢？

● 简单介绍下LR，写一下极大似然的函数？

● 送入LR前，如何处理数据（特征工程）

● 知道最大似然估计和最大后验概率估计么？

● 讲一下最大释然估计的原理？然后给出一个二项分布，让用最大释然估计手推出该分布的参数？

● 逻辑回归背后的数学原理是什么，如何推导的？

③ SVM

● 讲一下SVM (建模思想，误差函数推导，核，优化) SVM的核函数有哪些？你都用过哪些？

● SVM的推导对偶除了方便计算以外还有什么好处？

● 解释SVM的核函数，核函数的含义以及为什么能起作用？

● 为什么不用SVM做分类？从原理上讲一下SVM，SVM怎么解决多分类问题？

● LR，SVM的原理，LR和SVM区别，SVM损失函数

● SVM中有哪些调参经验?

● SVM和LR的区别？

● SVM数学上的实现？

● SVM： 拉格朗日乘子，KKT条件，对偶问题，核方法是什么，用过哪些核函数？

④ 朴素贝叶斯（Naive Bayes）

● 贝叶斯思想了解吗？写一下公式并解释一下？

● 说一下朴素贝叶斯，为什么叫朴素贝叶斯?

● 朴素贝叶斯的好处？为什么那么多人用？

⑤ 决策树（DT）

● 决策树原理，CART树?

● 决策树ID3算法的特征选择指标，口述一下数学公式(信息增益)

● 决策树的启发式算法有哪些，不同算法分别用了什么准则来选择特征？

● 介绍一下ID3、CART，逻辑树

● 说一下C4.5的过程，围绕决策树

2.5.1.4 无监督学习-聚类方面

● 聚类了解吗，说一下K-means聚类的原理以及过程？K-means聚类怎么衡量相似度的？(我说欧式距离)K的优化方法?

● 说一下kmeans聚类算法的原理，对于k和中心点怎么确定

● 如何评估我们的聚类结果，以及如何提升？

● 介绍K-means聚类，以及每次聚类结果是否一致，为什么？

● 介绍下kmeans？有什么改进方法么？遇到很多维数据时会发生什么？

● 讲一下混合高斯模型，EM的核心思想是什么？

2.5.2 手推算法及代码

2.5.2.1 手推公式

● 写一下Gini系数、信息增益、信息增益率的公式？

2.5.2.2 手写代码

● 手推SVM：空间上一点到超平面距离，SVM整体代价函数，如果进行对偶形。

● 详解GBDT，用伪代码实现树的生成和boosting迭代过程？

2.6 深度学习&机器学习面经通用知识点

2.6.1 损失函数方面

● 用过哪些损失函数，有什么区别?

● 分类和回归都用什么损失函数，分类为什么不用平方损失?

● 描述一下交叉熵 ，求导？

● 交叉熵损失函数定义，举例计算过程？

● 写一下logstic regression的损失函数

● 通过交叉熵做loss，怎样体现，输入x1、x2，输出y1，y2 交叉熵如何计算，比如y1和y1’越接近loss为何越小？

2.6.2 激活函数方面

● 了解哪些激活函数，为什么要激活函数?

● sigmoid和relu对比？

● 激活函数为什么要零均值输出?

● 为什么要用非线性激活函数，relu右侧导数是1，为什么能作为激活函数?

2.6.3 网络优化梯度下降方面

● 参数优化方法说一下(梯度下降的三种方式的优缺点)

● 什么是梯度下降，有哪些优化算法，区别是什么，它们（SGD,BGD,mini-BGD）的区别?

● SGD和ADAM的区别和联系？ADAM算法比SGD优化好在哪儿？

● 深度学习里面的优化方法momentum和Adam来分别讲一下原理和公式？

● SGD和Batch梯度下降区别？

● 怎么用的动态学习率，人工干预还是自动的?

● 手写adam更新公式？

● 平时怎么选择优化器？讲一下adam的优点？

● 深度学习常见优化方法有哪些?

● Momentumt的公式，RMSPorp,adam的公式以及公式中参数代表的含义，以及他们分别解决了什么问题？

2.6.4 正则化方面

● 正则化有哪些方法？

● 过拟合问题。我答了几个方法。然后着重问了一下正则化的内容，l1、l2正则化

● 正则化是怎么防止过拟合的？

● 介绍一下正则，L1 L2的比较，为啥L1更稀疏 ?

● L1和L2的数学解释，L1、L2有什么区别，适用于什么场景?L1为什么不用于卷积神经网络?

● 从多个角度分析l1和L2正则化为什么能防止过拟？

2.6.5 过拟合&欠拟合方面

● 过拟合是什么，如何解决，应对措施?

● 讲了讲深度学习训练中过拟合/Loss不降等常见问题的处理方法？

● 模型效果不好的前提下，如何区分是过拟合还是模型复杂度不够?

● 从模型结构上如何解决过拟合?

● 讲一下偏差和方差(楼主从欠拟合和过拟合来讲的)

● 如何判断一个模型是处于高方差还是高偏差？

● 高方差如何调节模型，高偏差如何调节模型？

2.6.6 其他方面

● 写一下欧式距离的公式？

● 传统机器学习都是一次把全部的数据送进模型，现在深度学习为什么一次就一批?

● 数据类别不平衡怎么处理？

3 京东面经涉及项目知识点

3.1 深度学习：CNN卷积神经网络方面

3.1.1 目标检测方面

3.1.1.1 讲解原理

● faster rcnn 流程以及RPN的具体过程？

● 问项目相关，提升小目标检测效果的方法，kcf的原理等等

● NMS和IOU的计算

● Two-Stage和One-stage结构的不同？

● 介绍了下Faster RCNN，问了ROI Pooling。和卷积中普通的Pooling有什么区别？你们做目标检测一般用什么损失函数？写一写KL散度和交叉熵函数？

3.1.1.2 损失函数

● 用过Focal loss吗？

● Yolo的损失函数， v1和v3损失函数的区别？

3.1.1.3 手写代码

● 手写nms

3.1.2 图像分割

● 讲一下unet和deeplabv2的流程，顺便问了下deeplabv3？

3.1.3 OCR

● 讲一下文本分类模型

● 给一个新的文本分类任务，会怎么选模型？

3.1.4 图像分类

● 常见的分类算法以及评估指标?

3.2 深度学习：RNN递归神经网络方面

3.2.1 自然语言处理NLP

① Bert

● Bert原理?

● Bert内部结构(矩阵参数信息等)

● 问Bert的attention和普通的attention的区别，具体怎么做的，多头为什么要多头？

● bert怎么分词？bert的输入具体是啥？

② Transformer

● 画一下transformer，介绍一下结构，说一下维度

● transformer介绍

③ CRF

● 说一下CRF模型?

④ HMM隐马尔科夫模型

● 讲一下HMM模型?

⑤ Word2vec

● 简单介绍下word2vec原理，对比下CBOW和skip-gram的区别 ？

● Word2vec，看过源码吗？源码里面是如何负采样的，为什么要层次化softmax，sigmod在源码里面的计算方法是什么？

● Word2vec三层结构很简单为什么效果这么好，word2vec激活函数?

● Word2vec和bert区别?

● 为什么w2v向量在语义空间内有很好的数学性质，比如相加减？

⑥ Deepwalk&Node2vec

● deepwalk介绍一下，优缺点？ （本来问的word2vec，我说没有做过NLP的东西，介绍deepwalk可以吗，面试官说可以） ，deepwalk的损失函数？

⑦ 其他

● 如果onehot等操作之后维度过高你会怎么做?

● 分词与实体识别的区别关系？

● fasttext原理，同样要求画框架？

● 在无上下文的情况下如何看两个词是否是同义词？

3.3 强化学习

3.3.1 讲解原理

● 生成式模型和判别式模型的区别，都有哪些？

● 生成式模型和判别式模型具体讲下？

● G和D具体结构?

● GAN算法的二进制交叉熵函数怎么实现的（极大似然估计）?

● 介绍一下GAN算法?

3.3.2 损失函数

● G网络的三种loss是怎么计算的，即L1 loss L2 loss gan loss？

● 判别器loss如何度量？

3.4 机器学习方面

3.4.1 推荐系统

● 介绍一下wide&deep算法的原理?

● FM模型与LR区别？怎么训练？FM模型的具体公式，FFM在此基础上有什么改进，如何确定每一个特征所属的field?

● 搜索引擎的拼写纠正怎么做的？(楼主说了朴素贝叶斯和词袋模型)那如果第一个字母就输错了怎么办？词向量这一块有了解过吗？

● 讲一下deepfm的原理？

● 推荐里面的低秩矩阵分解具体是怎么做的？

● 个性化推荐是怎么样过程，组员如何分配任务？如何进行优化改进？如果要考虑输入集的权重，在fp-growth中如何实现？如何评判他的一个推荐标准？（用户采纳度、收藏或者点进去看）fp-growth在这个项目中的优缺点？

4 数据结构与算法分析相关知识点

4.1 数据结构与算法分析

4.1.1 线性表

4.1.1.1 数组

● 求数组里面连续子段和最大值？

● 旋转数组查找k

● 旋转数组中查找某给定数（二分查找）

● 一个数组中出现次数最多的K个数？

● 2^n个数组，每个数组长度都是m，每个都是有序，合并成一个有序的数组？

● 数组中最大子数组的和，矩阵中最大子矩阵块的和？

● 一个数组里面，每K个数是一个递增的有序数组，将整个数组排序？

● 给定一个有序数组，统计目标值的个数。（二分查找，找到目标值的下界和上界。）

4.1.1.2 链表

● 反转链表

● K个一组，反转链表

● 单链表的分组翻转（即 k个一组翻转链表）

● 如何判断一个链表上是否有环？

● 快慢指针如果快指针走3步的话呢 还能奏效吗? 如果快慢指针的起点不一样呢，还能奏效吗？

● 链表转化，1->2->3->4->5->6->7转化为1->7->2->6->3->5->4？

● 合并两个有序链表，合并k个有序链表（不让用递归），最小的k个数（指定用partition，为什么时间复杂度是O(n)）

4.1.1.3 字符串

● 字符串转int？

● 字符串拼接成最大的数字的排序？

● 括号匹配：给定n对括号，求问总共有多少种排列方式？要求必须满足左右括号的顺序？

● 实现字符串的lr_trim算法，去掉字符串首尾的多个空格，函数名是  void lr_trim(char * s)

求字符串的最大回文子串(动态规划)

● 给一个小字符串数组，一个目标字符串，目的是找出数组中是目标字符串的子串的最大长度，我的想法就是维护字典树，加KMP模式匹配优化。

● 多个字符串，给定前缀和长度比例阈值，返回符合条件的字符串个数？

● 给出一个字符串，写出该子符串的全部排列组合？

● 反转字符串

● 给定2个字符串求最长公共子串的长度

4.1.2 树

4.1.2.1 二叉树

● 什么是二叉树、用伪代码说一下求二叉树的深度

● 二叉树镜像

● 给一个二叉树，和一个节点，找出该节点二叉树中序遍历下的下一个节点，如果树有父节点则个属性，在空间复杂度O(1)的情况下找出来？

● 判断两棵树是否相同？

● 求二叉树每一层的最大值？

● 用伪代码说一下求二叉树的深度，如果用递归，具体实现，代码？

● 二叉树前序遍历？

● 二叉树的层次遍历

4.1.2.2 堆

● 寻找无序数组中的第K大的数，这个只需要说思路和复杂度？用最小堆 O(NlogK)，用partition O(N)。

● 无序数组中找第K大的数，时间复杂度是多少？为什么是O(n)，而不是O(nlogk)，来推导并且证明一下你的解法的时间复杂度(级数求和)、O(nlogk)的解法是怎么做的，说一下(堆排序)？

4.1.3 图

● 问最短路径算法有哪些？介绍一下a*算法。回答：有起点到中间点的距离加上中间点到终点的一个估计距离。面试官又问，如果去掉第一项这个问题会变成什么？

4.1.4 排序

● 各种排序算法说下，写个插入排序

● 冒泡和快排是否稳定？还有哪些稳定的算法？

● 无序数组找第k大？快排&堆。写了快排。分别讲了一下两种思路，分析两个的时间复杂度。

● 如果几亿的数分别在不同机器上，怎么找第k大？

● 海量数据如何找到中位数和第200W个数

● 有4亿个数据，内存只能存1亿个数，找出第8000万大的数？你用堆排序做是吧？堆排序这种方法有什么缺点？如果我要找第1.3亿大的数呢？

● 手写快排，推复杂度

● 堆排序（C++）

● 1000w个数，数范围[-1000, 1000]，写个排序？

4.2 算法思想实战及智力题

4.2.1 算法思想实战

● 上台阶，一次能上一个或者两个，问上n个台阶有多少种方法？（思路+撕代码）

● 纸牌博弈

● 最短路径问题

● 优先队列，列表中出现次数最多的数字，复杂度小于nlog2n。

● 有一个1G大小的一个文件，里面每一行是一个词，词的大小不超过16字节，内存限制大小是1M，返回频数最高的100个词。

4.2.2 智力题

● 一维消消乐，红红黄黄绿绿绿绿黄蓝 ->消一次变成 红红蓝 （三个以上的干掉）?

4.3 其他方面

4.3.1 数论

● 两个独立变量满足0到1均匀分布，求两个变量最大值的期望。

4.3.2 计算几何

● 凸函数有什么优点？如何证明一个n元函数是凸函数？

● 拉格朗日乘子法能否求解非凸的目标函数问题？

● 凸优化的相关知识。

● 马尔科夫链的相关知识

● 线性代数里面的矩阵分解你知道吗？具体是怎么做的？

4.3.3 概率分析

● 最大似然估计解释下？

● 极大似然估计和最大后验估计的区别是什么？

● 计算抛骰子，抛1或者6庄家赢，2，3，4，5你赢，

庄家连续赢了三次，这个概率是多大，这样能说明骰子有问题吗？

如果抛了100次，庄家赢了40次，能说明有问题吗？

那怎样才能证明这个骰子有没有问题？

● 54张扑克牌，大小王在同一堆的概率？

● a,b丢硬币吃苹果，问吃到的概率？

● M个样本有放回采样N次，问某条样本一次没被采中的概率？

● 某人有两个孩子，其中一个是女孩，两个孩子都是女孩的概率是多少？

4.3.4 矩阵运算

● 二维矩阵，从左到右从上到下递增，找target？

● 给出一个二维矩阵，顺时针由外层到内层打印该二维矩阵？

4.3.5 其他

● 求sinx？

● 实现int sqrt(int x)函数

● 正则表达式匹配

● 已知有个 rand7() 的函数，返回 1 到 7 随机自然数，怎样利用这个 rand7() 构造 rand10()，随机 1 ~ 10？

● rand1()生成rand5()？

● 给你均值方差，让你利用正态分布随机生成1000个点？

● 乱序数据找第K大的数

● 字符流采10个字符，保证每个字符的采样概率一样？

● 动态规划，左右，求最大的路径和？

4.4 Leetcode&剑指offer原题

● Leetcode 4：两个排序数组的中位数

● Leet code 47：全排列II

● Leetcode 143：重排链表

● Leetcode 152：求数组的最大连续子序和。时间空间复杂度？空间复杂度优化？空间复杂度优化？如果是连续乘积呢？

● Leetcode 215：求数组中第K大的数

● Leetcode 206：反转链表

● Leetcode 279：完全平方数

● 剑指offer 11：旋转数组的最小数字

● 剑指offer 51：数组中逆序对

5 编程高频问题：Python&C/C++方面

5.1 python方面

5.1.1 网络框架方面

5.1.1.1 Pytorch相关

● 项目用的什么平台，keras、tensorflow、pytorch都是哪家公司的，为什么喜欢用pytorch?

● tensorflew与pytorch区别？

5.1.1.2 Tensorflow相关

● tensorflow或者caffe的底层代码看过吗？卷积是怎么实现的？GPU进行并行计算时如何计算矩阵卷积的？

● tensorflow中两个矩阵乘法的区别?

5.1.1.3 其他

● 常用的深度学习框架都有哪些？

● keras sequential与自定义模型构建区别？

5.1.2 基础知识

5.1.2.1 线程相关

● 讲一下Python的多线程

5.1.2.2 内存相关

● Python需要和C++一样释放内存吗？

● Python垃圾回收

● 讲一讲python内存

5.1.2.3 区别比较

● python 参数 * 和 ** 区别?

● list和tuple区别?

● xrang和rang的区别？

5.1.2.4 讲解原理

● python的with什么意思?

● python的dict实现，哈希表查找的时间复杂度一定是O(1)么？为什么？怎么解决？

● 如果哈希表发生大量冲突，怎么解决（想到了二叉搜索树，面试官问了解红黑树么）

5.2 C/C++方面

5.2.1 基础知识

5.2.1.1 内存相关

● C的内存对齐，给了几个struct计算占用内存?

5.2.1.2 区别比较

● C和C++中的struct 和 class的区别？

● 介绍面向对象和面向过程的区别？

5.2.1.3 讲解原理

● C++继承、重载、虚函数的相关知识

● C 纯虚函数、虚函数表说一下

● 全局变量，静态全局变量存储位置

5.2.2 手写代码相关

● 给定一个数组，相邻元素之差的绝对值<=1，如[1,2,3,2,2,1,2]，如何快速查找某个数?

● a=1，2，b=（1，2），问ab输出?不用中间变量交换ab，用异或?

6 操作系统高频问题：数据库&线程&常用命令等

6.1 数据库方面

● 口述一道SQL题，差集？

● 数据库相关，主键和外键的区别？

● 数据库的索引介绍一下（B+树）

● sql常用关键字的执行顺序

6.2 操作系统方面

6.2.1 TCP协议相关

● TCP/IP四层模型

● 计算机网络：TCP和UDP的区别，OSI七层模型、全双工和单工？

6.2.2 线程和进程相关

● 多线程多进程问题，cpu，磁盘io哪种多线程带来效果好？

● 多进程适合处理什么类型的问题？（应该是想让回答I/O型？？）适合解决计算复杂的问题么？

6.2.3 常用命令

● Linux基本命令，说下对管道的理解？

● 强制杀死某个进程的命令、其他的命令？

● Linux更改文件权限的，那改可执行的是多少？777？详细解释下？

● 查看文件前十行？

7 技术&产品&开放性问题

7.1 技术方面

● 京东有20万人，要做通讯录，包括名字和电话，名字可以重复，电话不可以，要实现快速的增删改查的话，用什么数据结构比较好？

● 假设京东有1000台服务器，每台上面有100g的日志文件，然后现在要在自己的服务器上进行统计出现次数最多的ip地址（服务器上不能进行统计）？

● 场景题：有用户feed流和点击信息，如何做推荐 ？

● 场景题：每天的用户，商品，销量订单记录，求销量前10的商品，用SQL或者什么编程语言写一下？

● 场景题：商品销量的时间序列数据如何分解？

● 场景题：解一个在北京地区的不同库房分配某一个商品的混合整数规划问题（要求说出目标函数，限制条件和求解法，也算磕磕碰碰答上来了）

● 场景题：打开京东APP，点击一个商品，详情页会显示XXX也买过，这个具体是怎么做的？(扯到了协同过滤和冷启动)

● 场景题：现在我们有两个排序模型，分别是A和B，他们分别预测出了对应的排序的结果在我们的APP上，我们有真实地用户数据，那么怎么来评估这两个模型的好坏呢？用说出数学公式。

● 场景题： 在京东有许多的不同的消费群体，我们如何找到学生群体并把他介绍给我们的用户。（大概就是聚类的详细建模的过程）

● 业务代码：

If (a < 3):

If (b……):

If(c…....):

If(d…….):

If(e……)

If (a >=3):

If (b……):

If(c…....):

If(d…….):

If(e……)

这种if语句嵌套太多，条件也太多了，怎么来优化它？（面试官一步一步提示：决策树相关）

● 场景题：京东搜索里，输入一个关键词搜索某件商品，但是现有数据库里没有该关键词，该商品对应的是另一个关键词，这种情况下怎么解决？

7.2 产品方面

● 基于京东的数据（地理位置、活跃度等）来判断黄牛卖家？

7.3 开放性问题

● 如何给一个完全没有接触过机器学习的人介绍机器学习，机器学习是做什么的？

● 推荐岗位相关：你想找推荐，我们是机器学习+组合优化，偏向运筹学，考虑么？