字节跳动—实习算法面经
写在前面
字节跳动是一直想去实习的公司，3 月份的时候觉得自己学的还不够扎实，暂时没有投简历。4 月 14 号在官网投了简历，4 月 15 号就有小姐姐打电话预约面试时间，今天下午面试。
非本计算机专业出身，在研究生阶段做过基于机器学习和 CNN 的目标识别。没论文，没竞赛，只有所里的公司实习。编码方面也有些生疏，其实劣势蛮大的。
一面（约 1h）
一面面试官是很亲切的小哥哥。在我回答问题的时候一直微笑点头，让我也不那么紧张了。
- 自我介绍：姓名，年龄，本科和硕士学校，专业，相关经历，来这里实习的原因。
- 讲一下熟悉的模型：说了项目里用到的 RF，从特征构建、特征选择、模型选择、到模型调优。
- 为什么选了 RF？：项目里更关注性能和计算量的平衡，RF 相对可控。
- 用的什么指标进行衡量的？：一开始是 acc，但是对于不平衡数据不够准确，后来基于混淆矩阵计算了一些指标。
- 不平衡应该怎么做？：过多数据欠采样，过少数据过采样，另外还有一些基于模型的方法比如 SMOTE 方法等。
- RF 和 GBDT 的区别是什么？：都是集成方法，分别是 Bagging 和 Boosting，并行和串行。
- GBDT 可以并行吗？：原理上是不行的，这也是训练过程比 RF 慢的原因。但是 XgBoost 作为 GBDT 的一种工程实现方法，在决策树的构建过程中加入了部分并行技巧，加快了速度。
- GBDT 和 XgBoost 的区别是什么呢？：XgBoost 是 GBDT 的一个工程实现。1）在树的构建过程中加入了一些并行技巧；2）GBDT 本身是没有预剪枝等过程的，XgBoost 在构建的过程中加入了一些正则，起到了缓解过拟合的作用。
- （因为提到了 CNN 相关的东西）ResNet 的结构特点以及解决的问题是什么？：ResNet 之前，大多认为深度越深，性能越好实际上不是，会出现信息消逝的情况。ResNet 提出了“捷径”概念，将浅处的输出牵到深处，形成一个残差，相当于把信息又往深了传递了一下。
- 了解 BN 吗？：为了解决网络中数据分布变化大，学习过程慢的问题。采用标准化，又引入两个可学习的参数来重建浅层网络学到的分布。
- 编程题，构建哈夫曼树：本身不了解哈夫曼树，但是了解哈夫曼编码的一些思想，讲出来后，小哥哥引导着思路，然后我写出了代码。代码本身还有优化空间，但是小哥哥也说通过了。
- 反问。
让我稍等下一面。
一面总结：
其实一面里问到的东西都还是偏基础的，基本上问题问出来后，一次回答就够了。面试官会再从回答中牵扯到的知识点问起。主要针对做过的项目提问。
二面（约 1h）
二面是个小姐姐面的。难度也确实比一面更难些，问的更细了。
- 自我介绍。同上
- 介绍 RF 和 GBDT：串行并行角度。GBDT 是残差学习角度。
- GBDT 具体细节：大致说了下思路，感觉答的不是很详细。
- 挑一个熟悉的项目说一下：RF 提特征、选特征、调参、评估。
- 有自己手写代码实现过 RF 吗？：没有....（得去看看了
- 特征选择里提到的互信息选择，互信息的计算公式是什么？：忘记了..
- 为什么选择了 RF 呢？RF 由 DT 组成，有一定的解释性，性能和计算量相对可控。
- 对于 RF 可解释性这一点，做了什么相关实验吗？：突然想到 RF 本身引入了随机性，可解释性没有很强，就说到对于里面的树的路径可以进行分析得到特征重要性。（这部分有点忘记了，赶紧补充学习）
- DT 了解吗？：知道的有 ID3,C4.5,CART 树，分别用信息增益，信息增益比，基尼系数作为启发函数。
- 写出信息增益的表达式：直接在代码编译器中写，有点慌了，写出来的公式不够清晰，讲的时候也讲的不是很好...
- 代码写一个决策树，给定数据，启发函数是信息增益，假设所有特征的值都是数值类型的：定义节点类、构建节点、选取当前节点的最优划分特征（计算所有特征的信息增益）、数据划分、构建子节点、考虑停止划分的条件。花了好长时间写了个代码框架，然后和面试官讲了思路。
- 写的决策树是几叉树？：暂时考虑的是有多少种不同的取值就有多少个分支，意识到这肯定是不对的，优化的话可以将所有取值进行划分，比如二划分就可以改成二叉树。
- 反问
二面总结：
确实比一面的时候挖的更深了，不仅问原理，还会问“你具体是怎么做的？”。如果说一面的问题是各种参考书里热门的话题的话，二面的问题会在此基础上深挖，挖到不那么热门但是细节上很重要的问题，会强调具体实现。
HR 面
小姐姐很温柔，聊了 28 分钟的天，主要涉及到的话题：
- 什么时候可以来实习？
- 现在可远程办公，是否考虑转为日常实习？
- 是主动官网投递还是在实习僧等网站投递？
- 对搜索部门有了解吗？
- 聊聊之前实习过程的内容，以及遇到的难点，怎么解决的？
- 自己的优点和缺点是什么？优势是什么？
- 有什么职业规划吗？
- 为什么说喜欢字节呢？有哪些了解？：因为的确挺喜欢的，从氛围、技术、个人发展、城市这几个角度说了下。
- 还有别的投递和 Offer 吗？：如实回答了。
总结&反思
字节面试的整体氛围还是很棒的，面试官会边出题边引导，能缓解紧张情绪；
很多公式记的不牢，还需要理解更深入些，记得更牢些；GBDT 相关的细节需要再进步写；特征选择因为做的比较久远，有些忘记了，需要赶紧总结回忆；编码题没有要求 Bug Free，但是本身编码上还需要加强。需要学习 NPL 相关的东西。自己简历上的东西还需要再升级些。
