美团算法 SP | NLP 三面复盘

转自NewBeeNLP

作者 | 甄同学

编辑 | NewBeeNLP

一面

时间50mins

自我介绍。

聊天。（面试体验好的面试官都是会聊天几句的）

深挖实习内容。（细到模型参数如何设置，训练多久）。(同时夹杂了很多小知识点，关于深度学习和机器学习）

概率题。一个单位圆内随机取一点，求到圆心距离的期望。

面试官先要求用代码模拟一下结果，然后再用数学推导结果。（代码模拟直接随机取坐标(x, y) (x,y in [-1, 1]，圆心为(0,0)，模拟1000词，求均值结果） （数学推导，求分布函数 -> 密度函数 -> 积分) 答案是2/3

编程题：字符串内含有小中大括号和其他字符，判断是否括号是否匹配。（用栈）ac

面试给人一种很实在的感觉。没有问八股文，都是问一些平时经常需要用得到的知识。不过因为面试官没有问八股文，感觉要被刷kpi。不过下午5点的时候，hr打电话约二面。

二面

时间 1h

上来面试官直接问 是 xx同学吗（没有带姓，直接给人一种很亲切的感觉）

聊天（为什么本科就想做nlp，弱人工智能和强人工智能差在哪里）

简单自我介绍

继续深挖实习内容

介绍一下transformer。有什么可以调整的参数

具体讲一下self attention

讲一下attention

self attention， attention， 双向lstm的区别

常见的激活函数有哪些。各自有什么特点。分布应用于场景。leaky relu公式

layer norm和batch norm的区别。和各自的应用场景。已经各自在norm之后还有没有其他操作。训练时候和测试时候的区别

平时刷题多吗，怎么刷的

编程题：字符串最长公共子序列。动态规划（因为我用的python 无法ac。。。面试官看了思路没问题就下一道题了）

编程题：二位数组从右上角开始 按照对角线的方式打印输出。（和打印菱形差不多，不难）ac

继续聊天。（美团优选的发展现状，推荐算法的发展现状，算法岗的发展现状，nlp+推荐算法的组合）

中间还是夹杂了一些场景题，但是感觉都不算面试了，，聊天讨论

面试结束前，面试官主动提出加一下微信

感想：很轻松，和朋友聊天一样。东西都问的很深，知识点都是比较基础的，但是都需要有自己的看法见解。

hr面

谈薪了 hr给的是算法岗sp 暂接

自我介绍，串一下简历

介绍一下AAAI论文的整个发表经历吧。最难的地方在哪？怎么克服的

实习感觉怎么样，为什么不留用？

为什么不继续深造

手头的offer和面试流程

谈薪

自我评价，优点和缺点

缺点怎么克服

offer流程进展

如果喜欢请点赞或关注我交流。