爱奇艺算法面经秘籍
《AI未来星球》陪伴成长的人工智能社群,价值过万的各种内部资源及活动,限时特惠中,点击查看。
求职跳槽福利:为了便于大家求职、跳槽的准备,大白将45家大厂的面经,按照知识框架,整理成700多页的《人工智能算法岗江湖武林秘籍》,限时开放下载,点击查看下载。
面经整理历程:经过一年多的努力,大白整理了超过3500篇,各类大厂的算法面经资料。
并将涉及到的知识点,按照知识框架,分类汇总,每个公司整理成一篇,比如本文的爱奇艺面经。
大家对照面经,可以了解心仪的公司,会根据你的简历,问哪些知识点?便于大家对掌握的知识,进行回顾梳理。
希望为大家在求职或者跳槽的道路上,提供一些帮助,为大家取得心仪的offer助力。
面经整理心得:大白也将整理所有面经的心得,写成了一篇文章,点击查看心得。
其他大厂面经:国内其他大厂的面经汇总,点击查看目录。
爱奇艺面经整理:江大白
1 爱奇艺面经汇总资料
1.1 面经汇总参考资料
① 参考资料:
(1)牛客网:爱奇艺面经-13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
【算法实习生】
(2)全职岗位类
【机器学习算法工程师】、【广告算法工程师】
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:
● 有些人两年之后才是笔试
1.4 爱奇艺面试心得汇总
★ 以推荐算法为主, 主要是做异常检测的,包括数据安全,网络安全等等,主要用的是统计机器学习偏多,也会用到深度学习,结合着具体的业务来看。
★ 感觉主要是自我介绍+项目介绍+问一下使用到的网络或者基础的细节,而且感觉经常会问到做A/B测试,效果如何?
★ 第一面时,职位对应的需要人的面试官,具体做事情的人,聊得很投机,对该职位具体要做些什么也说得很明白,对于转领域和有一些技术没接触也表示去了之后现学是完全没问题。
2 爱奇艺面经涉及基础知识点
2.1 图像处理基础
无
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
● Dropout为什么能够避免过拟合?讲一下原因?
● 介绍一下CNN以及它的各个部件、作用?
2.2.1.2 池化方面
● numpy实现三维的max pooling
2.2.1.3 其他方面
● 梯度消失问题是怎么产生的?
● 讲讲BN的原理?
● 介绍一下CNN以及它的各个部件、作用?
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,LSTM,GRU区别与联系?
● LSTM是如何解决RNN的梯度消失问题?
● LSTM,BERT,transform中的位置编码是如何表示?
● LSTM的cell中tanh是否可以替换成sigmoid?
2.4 深度学习:CNN&RNN通用的问题
2.4.1 模型评价
● 常用的模型评价指标分别说一下
● AUC来说一下?它表示什么意义?AUC有哪些缺点?有哪些前提条件?
● 项目中召回率你是怎么来进行衡量的?
● 你的目的是为了提高召回率,有木有想着通过牺牲一定的准确率来进行提高召回率?
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
● 问了特征工程怎么做的,具体的流程说一下?
② 特征选择
● SVD的原理讲一下?
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)
● 详细的来讲一下GBDT和随机森林,并且讲一下它们的区别?
● LR和lightgbm的优缺点说一下?
● lightgbm为什么不适合高维稀疏的样本?
② 逻辑回归LR
● LR损失函数?
● LR与SVM的区别?
● FM算法了解么,跟LR算法相比做了哪些改进?
③ SVM
● SVM的原理?
● 为什么要转化为对偶问题,为什么对偶问题就好求解,原始问题就不能求解?
④ 朴素贝叶斯(Naive Bayes)
● 朴素贝叶斯的原理讲一下?
● 朴素贝叶斯,先验概率,后验概率,调整因子?
⑤ 决策树(DT)
● 详细的讲一下决策树(楼主讲了ID3、C4.5、CART,分别从特征选择、决策树生成、决策树剪枝来介绍了一波)
2.5.1.4 无监督学习-聚类方面
● K-means讲一下?K值怎么来进行确定?
2.5.2 手推算法及代码
● 推导下GBDT
● 推导一下LR
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
● 交叉熵的物理意义是什么?
2.6.2 激活函数方面
● 激活函数知道哪些?
2.6.3 正则化方面
● 说下正则化的常用方法?
● L1正则化和L2正则化分别有什么作用?(从数学角度解释),有什么区别?
● 讲一下L1正则化、L2正则化以及哪个可以起到稀疏的作用,为什么?
● 能不能从数学的角度来讲一下L1正则化可以起到特征选择的作用?
● L1正则化和L2正则化的先验分布分别是啥?
2.6.4 过拟合&欠拟合方面
● 深度学习中解决过拟合的方法一般有哪些?详细说一下
3 爱奇艺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
● Faster RCNN的损失函数,准确说出来?
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
3.2.1.1 讲解原理
① Word2vec
● 简答介绍下word2vec及fasttext?
● word2vec的缺点?
● fasttext比word2vec快在哪里?是否可以无监督进行向量训练?
② 其他
● skip gram和cbow的优缺点?
3.3 强化学习
无
3.4 机器学习方面
3.4.1 推荐系统
● 场景不同下,推荐系统的关注点有什么不同?
● 协同过滤的原理讲一下?
● FM算法?(简要补充了FFM)
● FM算法了解么,跟LR算法相比做了哪些改进?
● deep model在推荐中的应用是否了解,讲一个?
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 字符串
● 判断一个字符串是不是有重复字符?
4.1.2 树
4.1.2.1 二叉树
● 求二叉树深度和宽度?
● 二叉树深度优先遍历(非递归)?
4.1.2.2 堆
● 实现下最小堆
4.2 算法思想实战及智力题
4.2.1 算法思想实战
● 上台阶,一步、两步、或三步,求上到n级台阶的可能数?
● 无限大的棋盘,随意给定两个点,起点和终点,从起点出发每一步只能按照“日”字的走法,问到达终点的最少步数?(注意两个点可能再一条直线上)
4.2.2 智力题
● 已知A、B两个人在一个圆里放硬币,谁放不下谁输,已知A先放,求有没有A必赢的策略?
4.3 其他方面
4.3.1 数论
● 已知x,y的期望和方差,且x,y独立,求xy的方差?
● 已知x,y独立同分布,求max(x,y)的期望?
4.4 Leetcode&剑指offer原题
无
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
● 你常用的深度学习框架有哪些?
5.1.2 基础知识
5.1.2.1 线程相关
● Python里面的多线程有什么不一样的地方?
5.1.2.2 讲解原理
● 分布式处理了解么?
● 了解哪些常用数据结构?
5.2 C/C++方面
5.2.1 基础知识
● new,delete,malloc,free的区别?
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
无
6.2 操作系统方面
无
7 技术&产品&开放性问题
7.1 技术方面
● 讲一下信用卡欺诈检测的项目,怎么做优化的?
● 给定一个文件夹,文件夹里可能包含图片和子文件夹,子文件夹里还可能继续包含子文件夹和图片,问怎么获取所有图片的信息或者所有图片的路径等?
7.2 产品方面
● 有木有做相关的对照组实验?有上线进行A/B test吗?效果如何?
7.3 开放性问题
● 你觉得算法工程师这个职业的优势与劣势是什么?
本文由 大白智能 作者:凯哲 发表,其版权均为 大白智能 所有,文章内容系作者个人观点,不代表 大白智能 对观点赞同或支持。如需转载,请注明文章来源。