1 蘑菇街面经汇总资料

1.1 面经汇总参考资料

① 参考资料：

（1）牛客网：蘑菇街面经-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

【图像算法实习生】

（2）全职岗位类

【应用算法工程师】、【图像算法工程师】、【推荐算法工程师】、

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。

1.4 蘑菇街面试心得汇总

★ 面试官人很好，说什么都会给你回应。对项目会问很多细节。

★ 聊项目，问了类别不均衡问题，也问了模型可解释问题，好像蘑菇街喜欢可解释强的模型？然后当时引申的一个问题是，如果nn可以解决高维度离散问题，为啥还需要gcn来解决关联性的问题。其它不记得了。

2 蘑菇街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 网络结构方面

● 图像分类基础网络有何不同改进？

2.2.1.2 其他方面

● BN层的均值如何训练的？

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和RNN有什么不同？

● LSTM如何解决RNN中梯度消失的问题？

● 项目中分别使用了LSTM和CNN进行文本分类，效果比较，为什么项目中LSTM的分类效果好？问了RNN、LSTM和CNN使用场景?

● 什么是梯度消失？LSTM为什么能解决RNN梯度消失问题？

2.3.2 手绘网络原理

● 手写LSTM门控公式？

2.4 深度学习：CNN&RNN通用的问题

2.4.1 基础知识点

● 方差和偏差是怎么回事?

2.4.2 模型评价

● 知道AUC吗，不均衡会对AUC产生影响吗，为什么?

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

无

② 特征选择

● 做过哪些特征工程，产生哪些类型特征(统计特征，交叉特征，转化特征都有什么)，异常值怎么处理，数据平滑问题?

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）

● GBDT调过哪些参数?

● 正负样本比对lr，gbdt影响，为什么，用lr比例N/P比为1会怎么样？

② 逻辑回归LR

● LR和GBDT有什么区别，为什么GBDT结果比LR好?

● 正负样本比对LR，gbdt影响，为什么，用LR比例N/P比为1会怎么样?

● LR原理、损失函数?

● LR的详细过程怎么处理?

● 你说LR模型可解释性高，它的可解释性体现在哪里？是权重越大，可解释性就越强吗？

③ SVM

● SVM原理、损失函数?

④ 朴素贝叶斯（Naive Bayes）

● 贝叶斯公式的原理？

⑤ 决策树（DT）

● 你说一下信息增益的原理？

2.5.1.4 无监督学习-聚类方面

● 详细说一下K-means聚类，你每个簇怎么选样本的，距离用什么算的？

2.5.2 手推算法及代码

无

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

● 知道哪些损失函数?

2.6.2 网络优化梯度下降方面

● 知道熟悉什么优化算法，SGD和Adam的公式是什么样的，怎么迭代计算的？

● Adam的思想?Adam能否适用于稀疏数据？

● SGD，Adam等，以及他们的参数更新公式？

● 梯度下降如何跳出局部最优值？

● 如何解决陷入局部最小，自适应学习率方法?

2.6.3 压缩&剪枝&量化&加速

● 模型简化压缩怎么处理的?

2.6.4 过拟合&欠拟合方面

● 过拟合的原因？如何解决过拟合？

2.6.5 其他方面

● 机器学习和神经网络的选择问题?（什么情况下使用神经网络会取得较好的效果）

3 蘑菇街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

● Soft-NMS和NMS的不同点？

● FPN的原理？

● 项目细节，检测算法目前是怎么做的，跟踪问题经典的一些方法以及目前比较常用的方法 ，以及你的创新改进？

3.1.1.2 损失函数

● RetinaNet 的loss function是什么？

● 用到的Focal loss的公式，怎么用的，原理参数含义?

● Focal loss是怎么缓解样本不均衡问题的，还有其他的方法吗？

3.1.1.3 手写代码

● 手写NMS？

3.1.2 目标重识别

● ReID用的网络是什么样的，损失函数是怎么构建的，公式是什么样的？

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 HMM隐马尔科夫模型

● HMM 的维特比算法

② Word2vec

● 介绍Word2Vec，我就把把CBOW, skip-gram, hierarchical softmax, negative sampling，介绍了一遍？

③ CNN方面

● 介绍TextCNN?

3.3 强化学习

3.3.1 讲解原理

● 问Q方法，说一下强化学习中DQN算法?

● 强化学习的分类？

● 值函数方法有哪些？

● 随机策略相对非随机策略优缺点？

● 熟悉的策略梯度方法？

● 如何改进ppo算法？

● 对V函数和Q函数的看法，为什么要有V和Q？

3.4 机器学习方面

无

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

● 最大连续子数组和?

● 两个排序数组合并成一个数组?

● 给一个数组和一个数，求数组中有多少对和为该数的数?

4.1.1.2 链表

● 实现链表反转?

● 两个单链表并集？

4.1.1.3 字符串

● 大数相加，转换成字符串，对每个字符相加减，考虑进位?

● 字符串排列

4.2 算法思想实战及智力题

4.2.1 算法思想实战

● 分糖果问题?

● 10个大文件返回词频top10的词?

● 统计top100词频?

4.3 其他方面

4.3.1 矩阵运算

● 写一下矩阵相乘代码，我有三列是数据，itemid category ctr，我想取每一类的item里面ctrctr最高的100个，写一下代码?

4.4 Leetcode&剑指offer原题

● Leetcode 135：分糖果问题

5 编程高频问题：Python&C/C++方面

5.1 python方面

5.1.1 基础知识

● Python的装饰器解释一下？

5.2 C/C++方面

● C++动态绑定，数据结构了解不？

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 产品方面

● 场景题：比如用户点击了广告跳转进来，要展示一屏幕的物品给他，该怎么做？可以说一下整个流程吗？

● 一个商家。第一天看A商品和B商品的点击率。点击率公式是点击/曝光。然后，平均的是a的点击加b的点击/a的曝光加b的曝光。问，第二天发现，a的点击率和b的点击率上升了，但是平均的下降了。是什么原因，从哪些方面入手去解决这个问题?