今天去面的是作業(yè)幫的算法工程師實(shí)習(xí)生，做的是廣告相關(guān)的推薦算法，公司地址在西二旗那邊的軟件園，不能地鐵直達(dá)，先騎小黃車去了五道口，然后從五道口坐了兩站的地鐵到了西二旗，然后又是近兩公里的小黃車，但實(shí)際直線距離并不是很長，坐公交其實(shí)很直接，直接十幾站就到了。
首先是一個(gè)很溫柔的面試官，下面是面試官的問題：
樸素貝葉斯的原理，如果一個(gè)詞沒有出現(xiàn)過，怎么辦（拉普拉斯平滑）
手推 SVM，（這個(gè)掌握的還闊以）
問了三道算法題：
一個(gè)數(shù)組，給定k,查找和為k的兩個(gè)數(shù)的下標(biāo)：給出了O(N)復(fù)雜度的算法，類似于桶排序那種，面試官讓優(yōu)化的時(shí)候，用哈希，但是沒用過，要多學(xué)了

手寫反轉(zhuǎn)鏈表，包括邊界條件的處理，這是最基礎(chǔ)的，答的還可以

給定鏈表，查找倒數(shù)第k個(gè)節(jié)點(diǎn)的值，（面試官告訴我的只用遍歷一遍的方法）：
用兩個(gè)指針，一個(gè)移動(dòng)k個(gè)，然后一起移動(dòng)。

二面：
一個(gè)看起來技術(shù)很高的人，也很友好，很溫柔的給我講解。上來先問了上一個(gè)面試官問了我?guī)椎浪惴}，我說三道，然后他說這么多的嘛，一般不是一道就夠了嘛，emmm,可能是看我太菜了吧，不過問的都不是特別的難和復(fù)雜。
首先問了項(xiàng)目上的一些問題，給他簡單講了Unet的網(wǎng)絡(luò)結(jié)構(gòu)。
問LR,寫邏輯回歸的梯度下降，這時(shí)我說了邏輯回歸的梯度下降與線性回歸的類似。只是決策函數(shù)變成了邏輯函數(shù)。
問了SGD中的學(xué)習(xí)率怎么選的問題（答了兩種，1/t e^-t），面試官說常用的是1/根號(hào)t
然后面試官開始給我講隨機(jī)梯度下降的各種變種，從學(xué)習(xí)率上進(jìn)行改變的有：adagrad等，從梯度方向上進(jìn)行改變的有動(dòng)量法。

問了GBDT，工業(yè)上很常用的，我只說了用負(fù)梯度來擬合殘差，用負(fù)梯度來擬合殘差，是為了消除異常點(diǎn)的對(duì)loss的很大的影響。（面試官說是為了消除正負(fù)樣本差別大的影響）

三面是這個(gè)部門的老大面的，非常精干，沒有問技術(shù)的問題，進(jìn)來就聊了一下實(shí)習(xí)時(shí)間，這個(gè)部門是主要做什么的，讓等通知。

首先能參與推薦算法的實(shí)際的項(xiàng)目，是一定會(huì)有很大的進(jìn)步的，這個(gè)部門剛成立不久，如果我進(jìn)去的話，一定也會(huì)成長很快。