【面经】研二上 - 算法实习 - 面经汇总
汇总贴：
10月份找实习的感想
之前在一个小公司待了半年，通过做项目以及读论文学了些东西，感觉自己NLP入门了，有了一些自信，于是想面面大厂，换个地方体验下。
9月份提了离职，不过还没走，其间刷题准备，以及处理一些琐事又耽搁了一段时间，国庆节后正式离职的。
笔试面试了大概一周左右，然后10月中旬去了微博，待了一周多，感觉做的事没啥意思，也做不出成果，其间百度又给了offer，于是11月就去了百度。
百度技术氛围不错，学习资源丰富，mentor人也很好，于是在百度一直实习到了现在。
面经汇总
因为快冬天了，天冷不想走太远，而且穿羽绒服挤地铁也比较难受，所以主要投了西二旗附近的几家公司。女友也在这边上班，早上一块儿骑电动车就能到。
投递是通过拉勾网和BOSS直聘，投了一些小公司，以及百度、微博这两家大公司，其他的几家要么没有岗位，要么岗位内容不感兴趣，也没有投。
小公司只有海天瑞声约了笔试，其他公司均未联系，可能是年底关了HC。
1. 海天瑞声 -- NLP算法实习生 -- 笔试 -- 通过
题目很简单，而且很多开放性的题目，很友好。
笔试通过了。不过当时已经有大厂offer了，所以没有继续面试。
1、分词、词性标注
（1） 列举常用的分词、词性标注算法
（2） 列举您了解的词性标注集
（3） 您了解、或使用过的分词、词性标注的开源工具有哪些？（或者您自己实现的程序，请简单描述）
2、语言模型
（1）给定训练语料：
“John read Moby Dick”，
“Mary read a different book”,
“She read a book by Cher”
根据二元文法求句子“John read a book”的概率。
（2）您了解的语言模型在哪些应用中使用。
3、NLP 应用
简单描述下，您了解的 NLP 相关的系统（如信息检索、问答、机器翻译等等），原理、实现技术及存在的困难。
4、编程
（1） 有数据文件如下所示，三列，每列中间 Tab（\t）分隔，
请将数据，按照第二列数值从小到大排列，并获取排列后的数据第一列，保存到output.txt 中（请使用 shell 命令）。
（2）有一个 100 万词条的专有名词词表（人名、地名等，不重复），100 万句话，如何在100 万句话中，将含有的词条中词标出来。请写出关键代码，语言不限（Python、Perl、C/C++、Java 等均可。）
5、如下两个题目，请选择其中一个进行解答。
（1）选择一个您参与的 NLP 相关的项目，或者系统中，您认为最满意的，简单描述原理、使用技术。
（2）描述下您了解的某个 NLP 或者机器学习相关的新技术。
2. 新浪微博 -- NLP算法实习生 -- 一面 -- offer
mentor面，总共70分钟。
写了三道简单题，大概40分钟。
1- 括号匹配题，入栈出栈
2- 有序序列的二分查找
3- [7,8,9,1,2,3], 旋转序列的二分查找
然后问了sql和shell，题目略，直接附解答，一看便知题意。
不过这两个都不是最好的写法，面试官不太满意，不过勉强算对，也没细究。
sql: select * from A, B where A.mid = B.mid
shell: cat input.txt | head 50 | tail 28 >> output.txt
问问题：
都是简单问题。
1- 激活函数的作用，
2- BERT的两个基本任务，
3- BERT的激活函数是啥，
4- textCNN的网络结构，
5- 其中池化层的作用，
6- 简历项目中的fine-tune数据的类别构成，
7- 然后问了点非技术问题，比如能实习多久之类的。
3. 百度
总共面了两个部门，NLP和KG，都是策略算法，NLP一面挂，KG三面offer。
NLP部门一面：
四十多分钟写了两道题，一道hard，一道中等。
hard是一道链表题，K个一组翻转链表。
1 2 3 4 5 6 7 8
..>
2 1 4 3 6 5 8 7
这道题其实是个常见题，我同学后来面阿里也一面刚的这道，也跪的很惨。
还有一道大数相乘，也就是字符串相乘题。
两道题思路都不难，说的思路面试官也认可，但代码写起来挺费劲，而且平时刷题也不够，能力欠缺，两道题都没能写对。
之后十几分钟问了下简历上做的东西的原理。
问LSTM的三个门分别啥作用，不太记得，没说明白，其他都还行。
然后面试官问，这些东西都是你做的吗，不太相信，然后一面就挂了。
其实小公司没几个人，接一个项目，每个人都负责很大一块，做的多做的杂很正常。
我简历上自然语言处理还有语音识别的东西写了很多，做的东西确实不少，但是都不精，经不住深入地问，工作量多反而成了缺点，这是在小公司工作的一大弊端。
KG部门一面（mentor面）：
前20分钟问问题，后30分钟写了道题。
问了一点点简历上的东西，然后数据结构方面的知识问了特别多，虽然有点忘，不过毕竟学过，所以答得还可以。
然后写了一道查找列表中和为k的两个元素的题，先排序，然后双指针即可。面试官指定用快排，不过我快排写乱了，最后调了半天没弄出来，不过也不碍事，最后暴力解也算过了。
KG部门二面（技术leader面）：
没有问简历，就是做题，半个多小时。
题目：从左上角到右下角遍历矩阵。
刚开始想复杂了，变量写得有点乱，然后面试官提示了下，斜线上元素的x和y坐标和是一样的，然后一分钟左右秒了。
之后问了一道大数据的题目，数据流采样。
问题：在一个无限的整数数据流，如何从里面等概率随机抽取 k 个整数出来？
题目很简单，证明也很简单。这道题答得不错，比较加分。
解法：
K = 1 时抽样方法：
- 当第一个整数到达时，保存该整数
- 当第二个整数到达时，以 \(\frac{1}{2}\) 的概率使用该整数替换第一个整数，以 \(\frac{1}{2}\) 的概率丢弃该整数
- 当第 i 个整数到达时，以 \(\frac{1}{i}\) 的概率使用第 i 个整数替换被选中的整数， 以 \(1-\frac{1}{i}\) 的概率丢弃 第i个整数
证明：
- n = 1 时， 被选中的概率为 100%， 成立
- 设 n = m , \(m \ge 1\) 时，命题成立，即前 m 个数，每一个被选中的概率为 \(\frac{1}{m}\)
- 当 n = m + 1 时， 第 m + 1 个数被选中的概率为\(\frac{1}{m+1}\)， 前 m 个数被选中的概率为 \(\frac{1}{m} * (1-\frac{1}{m+1}) = \frac{1}{m+1}\) , 成立。
K > 1 时的抽样方法
- 前 k 个整数到达时，全部保留
- 第 i 个整数到达时， 以 \(\frac{k}{i}\) 的概率替换 k 个数中的某一个，以 \(1-\frac{k}{i}\) 丢弃
证明：
- \(n \le k\) 时， 被选中的概率为100%， 成立
- 假设 n = m, m > k 时， 你命题成立， 即前m 个数， 每一个被选中的概率为 \(\frac{1}{m}\)
- 当 n = m + 1 时， 第 m+1 个数被选中的概率为 \(\frac{k}{m+1}\)， 前 m 个数被选中的概率为：
\(\frac{1}{m} * [ \frac{k}{m+1} * (1 - \frac{1}{k}) + 1 - \frac{k}{m+1}] = \frac{1}{m+1}\)
KG部门三面（经理面）：
三面应该是性格方面的考察，聊了半个小时天，没有问技术。
问的问题太多了，很多都不记得了。
之前你们项目是怎么管理的，
遇到的最有挑战的事情，
如果和上级意见不一致怎么处理，
遇到技术难题要怎么办，
百度这边会加班可以接受否等。
