1 小米面经汇总资料

1.1 面经汇总参考资料

① 参考资料：

（1）牛客网：小米面经-53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

【数据挖掘实习生】

（2）全职岗位类

【NLP算法工程师】、【计算机视觉算法工程师】、【视觉图像算法工程师】、

【推荐算法工程师】、【未来星数据算法研究员】、【信号处理算法工程师】、【相机算法工程师】

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：

● 博士只有两轮，硕士可能会有三轮技术面

1.4 小米面试心得汇总

★ 项目扣的很细，问的很深入，基本上能聊很久。

★ 面试官都非常不错，属于那种面试风格非常温和然后态度非常友好，遇到不会的时候会提示你而且会延申一下你的认知，总之面试体验非常好。

★ 整个面试下来，感觉问的基础题偏多，机器学习的内容偏多，基本没怎么聊深度学习相关的事情。工程方面的问题也有涉及，感觉应该是推荐系统早期的建设阶段，更多的工作内容偏向于工程落地实现。

★ 面试官很专业，基本上都是抠细节问问题，需要对领域有一个比较全面的认知。

★ 重点还是问项目吧，项目问的巨细，基本上每个点都会深挖，有些根据项目拓展出来的知识点一定要搞清楚呀，还有自己的项目，一定要自己挖透测，原理，公式，为什么这个方法等等。

★ 小米面试时，先自我介绍，我的习惯是经历简单介绍一下，然后自然转向准备最充分的一个项目开始详细讲，面试官感兴趣的话最好，不感兴趣的话会直接打断的。主要介绍了项目的背景，难点和解决方案，面试官关心的点主要集中在问题抽象和损失函数，讲清楚为什么这么做，项目大概聊了半小时左右。

2 小米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

● 讲一下SIFT原理

● 介绍LBP

● 高斯卷积核如何优化，效率提升多少？

● 图像特征检测，边缘检测用过哪些？

2.1.2 手写算法代码

● 手写中值滤波

● 积分图均值滤波如何实现

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

● 除了常用的卷积之外，知道多少种卷积，介绍一下？

● 空洞卷积的原理?

● MobileNetV2中1x1卷积作用？

● 分组卷积优点（减少参数量，从参数计算公式分析）

● dropout的原理?

● dropout 在测试时用的全部神经元，会不会有偏差，有偏差怎么办？

● 卷积神经网络和全连接神经网络都有啥区别？都有哪些层？

2.2.1.2 池化方面

● 最大池化和均值池化适用的场景？

2.2.1.3 网络结构方面

● 熟悉那种神经网络？卷积神经网络？那你说说对卷积神经网络的理解？

2.2.1.4 其他方面

● 梯度消失的解决办法?

● 测量网络大小的三种指标，参数量，flop计算量，乘加树？(有大佬知道什么是乘加树吗？被问的时候一脸懵逼。)

● BN的原理，BN的批处理处理的是什么？

● 白化和BN的区别?

2.2.2 数学计算

● conv和dwconv的参数量和FLOPs计算公式？

● MobileNetV2 module的参数量和FLOPs计算？

2.2.3 公式推导

● Softmax原理，推导？

2.2.4 激活函数类

● Softmax的损失函数?

2.3 深度学习：RNN递归神经网络方面

2.3.1 讲解相关原理

● LSTM的原理？

● LSTM和RNN区别？

● LSTM每个门的公式还会写吗？

2.4 深度学习：CNN&RNN通用的问题

2.4.1 基础知识点

● 超参数选择方法，参数类别多时，如何优化？

2.4.2 模型评价

● AUC，ROC含义?

● 召回率是什么？

● AUC公式

● PR和AUC的区别？

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

● 数据量大，聚类算法为什么要进行降维？（计算量，维数灾难）

● KSVD原理?

② 特征选择

● 特征选择的常用方法？

● 如何判断哪些特征是重要的，特征重要性如何计算？step-wise。

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）

● bagging和boosting的区别？

● 随机森林和bagging算法有哪些区别？

● GBDT和RF，算法思路，优缺点？

● 集成模型一定比简单模型好吗？为什么？

● 随机森林和gbdt区别？rf和gbdt哪个容易过拟合？

● xgboost的默认深度？

● 为什么集成学习里用决策树模型比LR这些弱模型的区别？

A.基于bagging：随机森林

● 介绍下随机森林?

● 随机森林的原理？

● 面试官问了下随机森林代码调参应该调哪些参数，如何调参？

● 查看结果的指标都有哪些？这些指标的具体含义？

B.基于boosting：Adaboost、GDBT、XGBoost

● gbdt，xgboost模型的比较？gbdt如何分裂？

● LightGBM和xgboost区别? lightgbm 为什么 更快？

● LR和GBDT的区别？

● lightGBM，XGBoost，GBDT怎么分裂，怎么着最优找分裂点？（xgboost如何选择最优分割点）

● lightGBM怎么调参的，网格搜索有没有用过，过拟合先调节哪个参？

● lightgbm创建每棵树时速度是均匀的吗？（不会）

● lightgbm训练时和特征数目更相关还是样本数目更相关（不会）

● 连续特征值在lightgbm中如何找到分界点？

● lightgbm该如何调参：找最佳组合-怎么找的-暴力找的-网格搜索有没有用过？

● lightgbm如果过拟合了，首先调哪几个参数？

● gbdt的梯度为什么能代替残差？

● gbdt的损失函数是什么？

● gbdt如果有100棵树，每棵树的输出是什么（我觉得是拟合的上一步输出与目标值的残差，但是具体公式不清楚）

● 介绍xgb

（1）gbdt和xgb的区别(居然没有问lgb)

（2）怎么选最优分裂节点，怎么加速，预排序有什么作用，怎么分箱，等宽还是等深

（3）怎么处理缺失值的，预测时候缺失值怎么办

② 逻辑回归LR

● LR损失函数公式?

● LR与SVM的区别是什么？并深挖，如LR和SVM的推导可不可以用梯度下降？

● 推导 LR，写出loss和梯度

③ SVM

● SVM的原理说一下？

● SVM的损失函数是啥？

● SVM的目标函数，为什么能用拉格朗日乘子法讲原始最优化问题转化为极大极小问题，数学原理是什么（不会，面试官也说这个问题有点难了）

④ 朴素贝叶斯（Naive Bayes）

● 朴素贝叶斯为什么“朴素”？（属性相互独立）

⑤ 决策树（DT）

● 信息增益和信息增益比的区别？

● 描述决策树，如何选特征，怎么划分，怎么剪枝，介绍信息增益?

2.5.1.4 无监督学习-聚类方面

● KMeans怎么初始化？

● 讲了下DBSCAN和K-means的区别？

● 讲一下DBSCA？

2.5.2 手推算法及代码

2.5.2.1 手推公式

● 手推GBDT公式（要体现找分裂点的过程）

● 手推逻辑回归？

● 手推xgboost?

2.5.2.2 手写代码

● 手写kmeans？

2.6 深度学习&机器学习面经通用知识点

2.6.1 激活函数方面

● 深度学习常见的激活函数以及它们的特点？

2.6.2 网络优化梯度下降方面

● 深度学习常见优化方法有哪些？

● 介绍一下梯度下降的原理？

2.6.3 正则化方面

● L1和L2的区别？

● L1为什么能稀疏矩阵，L2为什么不能，L2为什么能解决过拟合？

2.6.4 过拟合&欠拟合方面

● 什么是过拟合？过拟合的解决办法，以及在你的项目中怎么用的？

● 深度学习中过拟合处理，BN和dropout。传统机器学习中呢?

2.6.5 其他方面

● 为什么要进行归一化？优点？（量纲，等高线）

3 小米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

● 目标检测中，对该任务贡献最多或者改进最大的模块或者网络设计思路？

● 讲一下anchor-based和anchor-free两者的优缺点？

● 近年来，一些新的目标检测的backbone有哪些，各有什么特点？

3.1.1.2 手写代码

● 手写nms

3.1.2 图像分割

● 目标追踪的常见方法有哪些，包括深度方法和传统方法？各自的应用场景和区别？

3.1.3 图像分类

● 问项目，知道哪些分类的网络；项目用的什么数据集？

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 CRF

● 了解CRF吗？

② Word2vec

● 介绍一下word2vec？

● node2vec原理？

● word2vec的两种模型了解吗？工程上的优化了解吗？

③ 其他

● 诸如ID类的特征如何处理，编码方式one-hot还是其他的，高维时？什么样才算高维，有没有界定？

● CBOW的网络结构写一下

3.3 强化学习

● SRGAN和ESRGAN的区别?

3.4 机器学习方面

3.4.1 推荐系统

● 介绍一下CTR预估里面的模型？

● 画一下DeepFM的示意图?然后解释一下这些的区别?

● 系统设计需要注意什么，如何设计一个系统，系统性能如何评估，需要考虑哪些指标（考察点应该是线上的系统了，指标比如内存使用率，qps，99 39 49时间之类的）

3.5 数据挖掘

● Hive与Spark区别，为什么使用Spark而不使用Hive？

● Spark常使用的参数，当读取HDFS时有一个文件过大，读取报错，添加什么参数可以解决，小文件使用的参数，如何解决数据倾斜，主要想问源码。

● 常使用的spark参数，spark源码中一些groupbykey，aggregateByKey，groupbykey源码及其区别

● 怎么保证在spark运行阶段动态分配所需的资源，需要添加什么参数，这里问题太多，很多新版本参数我根本不会

● Flink与Spark的区别，Flink的源码相关，各自的容错机制，基本思想，一次语义，源码如何实现

● Hadoop，Spark都使Yarn，介绍一下YARN，执行过程

● 业务相关问题：验证一条微博突然爆起来，应该监控哪些指标？

3.6 信号处理

● 针对项目具体发问，包括你的算法主要实现思路、和其他算法相比优势在哪？创新点在哪？

● 了解语音信号降噪的常用方法吗？？因为我做的都是雷达相关的，直接说不了解了

● 问了一下数字信号处理、信号与系统的知识

● 滤波器了解吗？项目里有用过吗？怎么设计一个滤波器？

● STFT中窗函数的选择对时频特性的影响？加矩形窗和汉明窗有什么不一样？

● STFT交叠？？

● 采样率是多少？1000Hz；低通抗混叠滤波器截止频率设置的多少？

● 对模拟滤波器了解吗？

● 说一下巴特沃斯滤波器的极点分布

● 短时傅里叶变换了解吗？

● 短时傅里叶变换加窗函数的作用是什么？

● 在不知道阶数的情况下，怎么得到IIR滤波器的频率响应曲线？

● 已知IIR滤波器系统函数，设计FIR滤波器？

● 怎么得到FIR滤波器的频响曲线？

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

● 排序好的数组，截断后，后部接到前部的前方，构建成新的数组，如何找出特定元素？

● 循环有序数组的查找（C++）二分查找变体

● m个数组，每个数组里有q个数，找出其中第k大的数

● 升序旋转数组找最小

● 两个有序数组，求其中位数，然后改进时间复杂度?

● 两个数组合并求中位数

● 子数组最大和？

● 数组中出现次数最多的K个数

● 从升序的数组中找出出现次数大于等于数组长度一半的数字？

● 包含重复数字的无序数组，找到所有加和等于target的索引对？

● 给定一个包含从0,1,2，...，n中取出的n个不同数字的数组，找到数组中缺少的数字？

● 一个长度为n的数组，求其中出现次数大于n/2的元素，要求线性时间复杂度，恒定空间复杂度？

● m*n的二维数组，只能往右或者往下，找最短路径？

4.1.1.2 链表

● 链表反转

● 链表对折 1 2 3 4 5 变成 1 5 2 4 3

再拆解一下题目，(灵活)

（1）找到链表的中点

（2）翻转后半段链表

（3）合并两个链表

● 判断两个单链表是否相交

● 两个链表求交点

● 链表1->2->3>4反转为1>4>2>3

● 单链表倒数第k个节点

● 用两种方法复制复杂链表

● 求取单链表的中间？（①遍历求表长，取n/2②快慢指针）

4.1.1.3 字符串

● 字符串最长不重复子串（哈希表，思路和买卖股票一样）

● 给出一个字符串，写出该子符串的全部排列组合？

● 判断字符串中括号是否对应?

4.1.2 树

4.1.2.1 二叉树

● 二叉树公共父节点

● 求二叉树的右视图？

● 用非递归的方式实现一个二叉树的删除操作,引申问题O(1)的空间复杂度怎么解决？

● 树的层序便利

● 二叉树最深、最浅深度

● 二叉树中序遍历非递归（C++）

● 宽度遍历二叉树

● N个结点的二叉搜索树有多少种组成方式？

4.1.2.2 堆

● 堆排序

4.1.3 排序

● 写一个归并排序

● topK的两种思路

● 手写快排序

● 手写堆排序

4.2 算法思想实战及智力题

4.2.1 算法思想实战

● 三色旗问题

● 买卖股票的合适时间的算法题

● 括号匹配问题，检查是否合法？如果不用栈，如何解决括号匹配问题？

● 最长回文子串,动态规划

● 股票题，一个数组，问最大收益

● 二分查找轴上索引，list = [0.0, 1.0, 2.0, 3.0]，value = -1返回0，value=0.5返回0，value=1.5返回1，value=3.5返回3

4.2.2 智力题

● 马匹赛跑：25匹马，5个跑道，没有计时器，要找出前三名，最少要比多少场？答案是7

● 9枚硬币，8枚一样重，1枚比较重，最少称几次能找到最重的那枚？2次

4.3 其他方面

4.3.1 数论

● 求两个数最小公倍数（C++），最小公倍数=a*b/最大公约数，最大公约数：辗转相除法 ？

4.3.2 概率分析

● 极大似然估计的原理？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？

● 一个线段分成三段，求他构成三角形的概率？

● 一个整数数组，其中有几个数字1，如何等概率抽取1个1？

4.3.3 矩阵运算

● 给定n*n矩阵，计算新的n*n矩阵。新矩阵的(i,j)，是以原矩阵(i,j)为中心的m*m小矩阵的均值(m为奇数)。

● 写一个矩阵旋转90度的代码，解释一下坐标变换公式

● 给出一个二维矩阵，顺时针由外层到内层打印该二维矩阵？

4.4 Leetcode&剑指offer原题

● Leetcode 166

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

● 平时深度学习用什么框架？

5.1.2 基础知识

5.1.2.1 讲解原理

● 说一下Python中list的底层代码怎么实现的吧？

5.1.2.2 讲解应用

● Python包 都有哪些？

5.2 C/C++方面

5.2.1 基础知识

5.2.1.1 线程相关

● 进程与线程，线程共享的资源（堆，全局变量）

5.2.1.2 讲解原理

● 虚函数表（主要就是动态绑定，继承类调用基类虚函数，指针数组，虚函数的指针）

● 基类的析构函数为什么用虚的析构函数？（防止内存泄漏）

● 全局变量存放位置

5.2.1.3 讲解应用

● C++内存管理，预编译

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

6.1.1 基础问题

6.1.1.1 区别比较

● Left join 跟join的区别？

● Join的话，大表和小表哪个连接在前？

6.1.1.2 讲解原理

● SQL喜欢考窗口函数

6.2 操作系统方面

● 进程和线程的区别？

● 栈，队列，和堆的区别？

7 技术&产品&开放性问题

7.1 技术方面

● 场景分析题，如何对新闻进行实效性分析，怎么挖特征？

● 如何从大量网页中找出新闻类网页，算法设计？