网易云音乐机器学习算法四面面经

你每天起床之前有两个选择，要么继续趴下做你没有做完的梦，要么拉开被子完成你没有完成的梦想。——杰森∙斯坦森

24号下午的面试，因为之前其他公司的面试不顺利，所以抱着一轮游的心态来杭州。没想到一面竟然过了，想到已经赚到了，索性就放开了状态来面试，很幸运一直走到总监面，最终拿到了offer。过程很辛苦，从下午两点半面到晚上接近9点，不过网易的小哥哥小姐姐们挺贴心的，买了饼干和牛奶给我们补充能量，随便拿随便吃。期间也认识了几位很优秀、谈得来的大佬，不虚此行。 

现在整理一波面经，希望能帮到各位牛友。 

一面（技术一面） 

自我介绍 

介绍项目 

用了哪些特征？ 

平时是怎么学习的？ 

bagging和boosting有什么区别？ 

bagging和boosting和树有哪些组合方式？ 

XGBoost和GBDT有什么区别，推导XGBoost。（会手推算法很重要，我自己准备了感知机，LR，朴素贝叶斯，最大熵，EM算法，SVM，XGBoost，牛顿，拟牛顿，HMM里的前向后向算法、维特比算法，BP算法等算法的手推，除了BP算法和XGB外，这些算法在李航老师的《统计学习方法》里都找得到，最大熵步骤最多。） 

手写代码：字符串反转 

讲一讲K-Means算法 

你有什么想问的？ 

二面（技术二面） 

自我介绍 

介绍项目 

用了哪几组特征？ 

贝叶斯调参是怎样的？（因为我比赛中用过贝叶斯调参，所以会问到） 

知不知道排名第一的大佬是怎么做的？（这个问题很多面试官都会问，参加过比赛的同学可以去研究一下前排大佬的做法，这题答得好会加分很多） 

为什么不实习？ 

L1正则和L2正则有什么区别？ 

CNN中如果想用一个卷积提取局部特征和全局特征，该怎么做？（不会，这题有哪位大佬知道答案嘛？） 

看过哪些书 

牛顿法是怎样的？写一下过程。（一阶函数和多阶函数的牛顿法） 

推导SVM 

自己想一个非线性分类问题，设计其核函数 

手写代码：m*n，从左上到右下有多少步。（用dp做，比较简单。这里我做了一个优化，空间复杂度从O(m*n)降低到O(min(m,n))） 

三面（hr面） 

面试官小姐姐上来就自己做自我介绍，把我吓了一跳 

问我的自我介绍（被吐槽说是不是背的2333） 

觉得比赛中提分大的是哪个步骤，你是怎么做的？为什么别人不这样做？（当时就被问懵了，我也不知道别人为啥不这样做啊。还好及时反应过来，反过来回答，说自己为什么会想到这么做，顺便不要脸地夸了自己一波） 

家里情况？ 

面试过哪几家？为什么那么晚投？（这里有坑，我说前面投的是小厂，试试水。然后被反问网易算不算小厂？赶紧说不算不算，然后改口不是不是。） 

你为什么转行？ 

为什么选择计算机？ 

为什么选择算法？（这三问简直是对灵魂的拷问） 

室友对你的转行怎么看？你晚上写代码会不会影响到他们的休息？ 

想去哪个城市工作？父母对工作城市有要求吗？ 

对网易云音乐有何建议？ 

你有什么想问的？ 

四面（总监面） 

面试官气场很足，但是很温和。 

介绍项目 

贝叶斯调参是怎样的？ 

为什么转行？ 

比赛为什么不组队？ 

项目侧重点，特征工程是怎么做的？ 

学过哪些课程？有没有学操作系统或者是编译原理？ 

有没有实现梯度下降或者拟牛顿法？ 

LightGBM和XGBoost有什么区别？实际使用过程中对两者的感受是怎样的？从原理解释下原因？ 

会L-BFGS吗？L-BFGS哪一步很巧妙？是看过论文吗？ 

你有什么想问的？

点击作者姓名与作者大佬交流~

作者：LightGBM

来源：牛客网（www.nowcoder.com）

- 互联网名企笔试真题

- 校招求职笔经&面经

- 程序员/产品/运营求职实习信息

- 程序员/产品/运营学习交流社区