【NLP 算法岗】提前批暑期实习面(试)经(历)

本文涉及的产品
NLP自然语言处理_基础版,每接口每天50万次
NLP 自学习平台,3个模型定制额度 1个月
NLP自然语言处理_高级版,每接口累计50万次
简介: 【NLP 算法岗】提前批暑期实习面(试)经(历)

首先申明,这是一份面试【经历】,而【不是】经验,所以基本上对大家没有什么帮助,看个乐子就好,最后结果是来了心心念念的字节啦。

基本情况

某不知名末流 985 本硕,三无 FW :无实习经历,无比赛经历,无项目经历。本科水过一段时间 ACM ,4 月份侥幸中了一篇 ACL ,方向很基础、很冷门,对下游任务最多只是了解。

这次一共面了 4 家,投递顺序是达摩院、头条 AI Lab、腾讯 WXG、美团 AI 平台。结果到发稿为止,美团最先出结果被我拒了,字节接受了 offer ,腾讯 HR 面结束一周多依然没结果,达摩院二面结束一周多依然没结果。

达摩院

一面(4.6)

一面面试官是实验室师兄介绍认识的,第二天就直接打电话给我了,我还啥都没复习呢???

小哥哥刚毕业没两年吧,水平太太太高了,而且非常了解我这方向,问的广度和深度都很了得。从我论文工作出发,问到传统方法 PCFG、HMM,又问了许多经典论文 Neural CRF Parsing、RNNG、URNNG 等等,幸亏前一晚回顾了一下大致思想,还记得个大概。然后又拓展到强化学习、隐变量等等,幸亏组会也讲过,回顾了一些。

主要还是靠我师兄前一晚传授了这位面试师兄擅长的领域,针对性的看了些东西。所谓知己知彼,才能百战不殆嘛。最后聊了一个小时。

二面(4.18)

不得不说达摩院速度真是太慢了,二面一直等到 12 天后才打来电话。

二面面试官就不是很懂我这个方向了,但是认真听完了我的论文介绍,因为不是很懂基础,所以我很详细的用例子给他解释了原理。过程中聊得挺开心的,我也基本没有压力(主要原因是美团已经拿到保底了,身上没啥压力)。除了论文以外,其他基础知识就没咋问了,就问了个序列标注咋做。然后就愉快的结束了,一共也聊了一个小时。

到现在(4.26)又过了 8 天了,还是没任何消息,还是我太菜了。

美团

笔试(4.9)

美团提前批笔试还是挺简单的(相比之下前天帮学妹做的正式批笔试可真难),一共 5 道题,一个小时就做完了,没啥可说的。

一面(4.16)

美团面试也挺放松的吧,主要去的意愿没有其他几家那么大。

小哥哥是做推荐的,不懂我的句法,我也不懂他的推荐,所以就没啥可聊的。我给他讲了一遍我的论文,他再随意问了两个 Transformer 和 LSTM 的基础细节问题,然后做了两道编程题,就直接结束了。一共也才 40 分钟吧。

二面(4.16)

紧接着就直接是二面了,跟一面没啥区别,小哥哥还是做推荐的,还是相看两懵逼。讲了论文,做了两道算法题,然后他给我介绍了 10 分钟他们部门的业务方向,全程我都插不上话。

HR 面(4.18)

就这样,HR 小哥直接就打电话给我了,啥也不问直接让我一周内给个回复去不去。

不过我最后还是拒掉了,讲道理小哥们态度都挺好的吧,也花了这么多时间面试我,挺惭愧的。

腾讯

一面(4.9)

上来就给我整了 2 道算法题,都是 LeetCode Easy 难度,第一道题太紧张了还想了一会儿。第二道题嘴贱说了句做过,然后就给我加了一道水题。他会问你能否再优化,直到最优,幸亏都答出来了。

然后问了论文贡献点。Dependency Parsing是怎么做的?SOTA 是什么?强化学习了解吗?解释了一下策略梯度。Skip-Gram 知道吗?是怎么做的?传统方法 SVM、Boosting 了解吗?(不了解,然后就没问)

总体来说,除了最后一个传统方法直接说不了解之外,其他都答上来了。自打这开始,我连着复习(预习)了四五天的传统方法,知乎刷了个遍。

二面(4.13)

面试官人在美国,手机信号很差听不清,面了 30 分钟就结束了。

上来先自我介绍,然后介绍了论文。然后对下一步工作有啥想法?最后介绍了他们部门主要做对话和推荐,可能用不上句法。

HR 面(4.16)

腾讯 HR 姐姐问的特别特别细,当然问题我都提前网上看过了,就那么些套路。有没有谈恋爱啦,家住哪儿啦,为什么读 NLP 啦,以后想定居哪儿啦等等。聊了半个多小时愉快结束了。

到现在(4.26)过了 10 天了,还是没任何消息,说好的 5.1 前通知是否被录取呢?不过确实还没到时间哦?

字节

一面(4.14)

一面是个小姐姐,上来先让我自我介绍,然后就是讲论文。因为她不是做这个的,给她讲了各种以往方法以及我的方法。最后做了一道算法题,太紧张了,当场没做出来,一面结束立刻想起来怎么做了,太难顶了。

二面(4.14)

紧接着就是二面了。二面小哥哥一看就是个 ACM 大佬,上来先让我自我介绍。但是没讲论文,他应该很懂,直入主题,问我各种论文细节问题,太强了。

算法题环节,小哥哥先问了句“哟金牌啊”,我立刻感到不妙,是个大佬,赶紧回了句不不不邀请赛,太水了。然后给了两道题目,第一道很水,第二道没写出最优解,整了很久给了两种方法,但都不是最优的。还问我线段树细节,我赶紧回应许久不写了,早已生疏了,太强了,溜了溜了。

三面(4.15)

别人都二面啊,咋就给我加了一面,给我慌的。

上来还是自我介绍。然后小哥哥是做机器翻译的,我说句法可以用注入到机器翻译模型中去。但是他对我这个方向不怎么看好,说句法信息用了效果不是很好。确实,我也表示非常赞同。然后聊了聊以后想做的方向,我是不会再做纯句法方向了,还是下游任务实际一点。最后问我有啥想问的,接着又整了一道算法题。

HR 面(4.21)

之前联系的 HR 都是一位小哥哥,没想到视频一开换人了,是个超级好看的小姐姐。也没有什么套路,问了问实习计划之类的。问到租房问题时,我说学校到公司要 20 分钟,她当即反驳我要 25 分钟,我立马断定这小姐姐一定也是我校的(果不其然)。

最后一直等到今天(4.26),小姐姐终于给我打电话发 offer 啦。心情非常激动,终于不用提心吊胆了,找个实习太难了,菜还是原罪。

其实一开始只投了达摩院一家的,但是太慢了。后来我就只想去字节了,确实很喜欢它的氛围,那种年轻与活力。

总结

实在不好意思,浪费大家这么多时间,看完后应该啥有用的都没看到。和网上面经不大一样,没有考手推 SVM,没有考 Glove 算法,基本就没考什么基础知识。所以我开头就说了嘛,没啥参考价值,大家散了吧。

也祝大家论文发到手软,offer 吃到饱啦。

哦对了,以后可能很少更新 LeetCode 题解了,实习了更没空了,也写的累了。如果大家平时做题过程中遇到什么困难,还是可以找我交流啦!

相关文章
|
机器学习/深度学习 自然语言处理 算法
自然语言处理算法与文档管理软件:提升搜索与分类效率的未来
如果想要让你的文档管理软件更智能、更易用,那就让我们聊一聊如何巧妙地应用自然语言处理(NLP)算法吧!这绝对是提升用户体验和工作效率的“绝佳利器”!下面是一些能帮你通过自然语言处理算法提升文档管理软件的搜索和分类效率的方法——
135 1
|
25天前
|
自然语言处理 算法 搜索推荐
NLP中TF-IDF算法
TF-IDF(词频-逆文档频率)是一种用于信息检索与数据挖掘的加权技术,通过评估词语在文档中的重要性来过滤常见词语,保留关键信息。本文介绍了TF-IDF的基本概念、公式及其在Python、NLTK、Sklearn和jieba中的实现方法,并讨论了其优缺点。TF-IWF是TF-IDF的优化版本,通过改进权重计算提高精度。
51 1
|
3月前
|
机器学习/深度学习 人工智能 自然语言处理
【自然语言处理】TF-IDF算法在人工智能方面的应用,附带代码
TF-IDF算法在人工智能领域,特别是自然语言处理(NLP)和信息检索中,被广泛用于特征提取和文本表示。以下是一个使用Python的scikit-learn库实现TF-IDF算法的简单示例,并展示如何将其应用于文本数据。
262 65
|
2月前
|
自然语言处理 算法
NLP之距离算法Levenshtein
NLP之距离算法Levenshtein
|
5月前
|
机器学习/深度学习 自然语言处理 算法
分词算法在自然语言处理中的应用与性能比较
分词算法在自然语言处理中的应用与性能比较
|
4月前
|
机器学习/深度学习 自然语言处理 算法
分词算法在自然语言处理中的应用与性能比较
分词算法在自然语言处理中的应用与性能比较
|
4月前
|
机器学习/深度学习 自然语言处理 算法
分词算法在自然语言处理中的基本原理与应用场景
分词算法在自然语言处理中的基本原理与应用场景
|
机器学习/深度学习 自然语言处理 算法
2023秋招:lazada早鸟计划nlp算法面经
2023秋招:lazada早鸟计划nlp算法面经
83 0
|
数据采集 机器学习/深度学习 自然语言处理
nlp入门之基于贝叶斯算法的拼写错误检测器
基于贝叶斯思想简单的实现了一个拼写错误检测器
|
6月前
|
自然语言处理 算法 索引
【Python自然语言处理】隐马尔可夫模型中维特比(Viterbi)算法解决商务选择问题实战(附源码 超详细必看)
【Python自然语言处理】隐马尔可夫模型中维特比(Viterbi)算法解决商务选择问题实战(附源码 超详细必看)
75 0