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？