美团
一面：
1. 介绍项目（项目中一些问题如何解决的；项目的难点在哪儿；如何解决的；你在里面干了些什么）；
2. 介绍一下随机森林和Xgboost，有什么区别（从bagging和boosting角度）；
3. 什么是SGD，什么是batch size；
4. 深度学习优化算法有哪些，随便介绍一个（说的Adagrad，优缺点明显，进退自如）；
5. 现有一个神经网络和64个样本，Batch gradient descent和SGD的时间复杂度和效果比较；采用批梯度下降时，神经网络参数更新了几次；
二面：
1. Two Sum问题（Leetcode第一题，采用hash map解决）；
2. 如何找到10万以内的所有质数；
3. 逻辑斯蒂回归的损失函数怎么来的，如何进行梯度更新；

百度
百度一面：
1. 介绍项目（一些项目细节；项目的准确率；召回率如何）；
2. 京东项目中Xgboost原理，xgboost有哪些参数，怎么调整xgboost的参数；
3. 智力题：现在有三枚硬币，一个是一正一反，一个是两面都是正，一个是两面都是反，现在随机抛出一枚硬币是正面，那么这枚硬币的反面也是正面的概率；（2/3）
4. 代码实现海量数据处理问题：现在有一个比较小的数据表（包括id, score），另外有一个十分大的（上千万级别）的数据表（包括id, name），现在需要以id为索引将两张表合并，如何在O(n)时间复杂度完成。（hash map解决，海量数据处理问题参照这篇博客《 十道海量数据处理面试题与十个方法大总结》）

追一科技
一面
1. 介绍项目（项目准确率；召回率；特征工程怎么做的；项目难点在什么位置；如何解决的；用了什么深度学习的方法）；
2. 既然提到对话系统，简单介绍一下（非任务型和任务型balabala…..），了解非任务型对话系统么，介绍一下；（关于对话系统可以参考《人机对话系统调研》）
3. 平时用什么语言写代码啊，用python么（用），java怎么样（一般般），c用不用（不怎么用）；
4. 看你简历里面没写GRU，了解GRU么，和LSTM、RNN的区别在什么地方（从梯度消失的层面回答）；
5. GBDT的损失函数是什么；
6. 了解红黑树么（–没看到这儿来 –那算了，换个问题）；
7. 64匹马，8个跑道，选出速度最快的4匹马需要多少次（回答12次，后来知道最好是11次）

百度度秘
一面：
1. 介绍项目（项目细节；项目难点；有什么方法；你在里面发挥的作用；这个系统现在还有什么可以改进的地方么）；
2. 看你项目中用到了LSTM，介绍一下LSTM（介绍LSTM时候提到RNN，打断询问RNN为什么有梯度消失问题，给出具体公式）；
3. LSTM用什么框架实现的，能不能介绍一下Word2ver如何使用在其中，使用Word2vec和不使用word2vec的效果如何；
4. 正则化方法有哪些，介绍一下（说到L1和L2时，重点问了一下为什么梯度稀疏和梯度选择，用公式推导讲了一下，过拟合问题可以参照《深度学习相关总结》）；
5. 看你简历上说博客记载了机器学习、数据挖掘和深度学习的内容，那你简单说一下这三者的区别；
6. 编程题：二叉搜索树的插入和搜索；
7. 有序循环链表中（后简化为元素从小到大有序循环链表），如何在O(1)时间内完成最大值插入；

腾讯
一面：
1. 写代码实现列表 [0,0,6,2,8,0,0] —-> [6,2,8,0,0,0]，要求O(n)时间复杂度和O(1)空间复杂度；
2. 写代码实现 [1,2,3,2,2,3,4,…] —-> [1,2,3]（先去重再取top K，这里的K取3），要求in place操作，O(n) 时间复杂度和O(1)空间复杂度；
3. LSTM用来解决RNN的什么问题？如何解决的？既然说到forget gate，那么说一下forget gate的取值范围？（sigmoid 取值（0,1））forget gate是具体的值还是向量？（向量），如何理解这个向量；
4. 深度学习用的什么框架，Tensorflow？（Keras），那介绍一下深度学习中的过拟合如何解决？（从数据、单模型、模型集成三个角度回答）；
5. 深度学习优化算法用过哪些？讲讲Sgd和gd的区别？
6. 对SVM（考虑线性可分情况）、LR和DT熟悉么？ 从损失函数说一下区别，SVM的损失函数是什么？（合页损失函数，写一下讲一下）。LR呢？（利用最大似然估计得出）。又问一下SVM线性可分情况下决策边界不同位置的损失值。DT如何进行特征选择？（ID3信息增益）。介绍一下信息熵？（随机变量不确定性，度量系统稳定性） [1/3,1/3,1/3]和[1/2,1/4,1/4]哪个的信息熵大？回归任务中如何进行特征选择？（平方损失准则）
7. 海量数据处理。现在有1千万行词，需要统计各个词出现的次数，目前有一台机器内存1G，磁盘100G？（海量数据处理blog的第一题，先利用Hash对原始文本进行分割（hash(word)%2000，分为2000个文件），再使用hashmap（python中的字典）在各个文件中分别统计）。
8. Python基础。现在有一个列表，需要选择其中大于0的数？（列表生成式）
9. LTR（learning to rank）。介绍一下ltr的三种方式？其中pairwise在训练时怎么做？（转化为二分类）在测试的时候怎么做？
10. 文本分类的项目中用到CNN没有？介绍一下CNN？那CNN在文本分类任务中卷积核和一般的图像任务中的卷积核有什么区别？（balabala）
11. 熟悉Attention么，介绍一下？（balabala）

二面：
1. 在你的项目中如何判断word2vec的效果好坏，如何评判对模型和结果的影响？项目中使用的xgboost是哪个版本的？谁写的（懵了）
2. 如何从概率角度理解AUC？二分类问题中，一个正负类比是1:1000，一个是1:100，它们的AUC和ROC有什么区别？
3. 了解交叉熵损失函数么？在哪个场景使用过？它和最大似然估计是什么关系？
4. 熟悉什么语言？Python么？用过里面的zip函数（有点没听清）没？

腾讯二面前刷的一碗面经：
1. 覆盖字符串所有字符的最小字串；（leetcode第76题）利用滑动窗口；
2. 反转链表的前k个；（变型：按k个结点一组来反转链表）
方法：都是利用翻转链表的方法，只是局部翻转，再添加头尾结点。
3. 求二叉树最大深度；（递归）
4. 序列模型中markov和rnn的区别；
（rnn和hmm最本质的区别在于rnn没有马尔科夫假设，因此从理论上可以考虑很久的信息；同时hmm本质上是一个概率模型，而rnn不是；此外rnn具备神经网络的拟合非线性的能力）。
5. 字符串出现第k多的字符；
（hash map进行统计，然后对dict进行排序
6. 一个过拟合模型和大量数据，如何判断这些数据有没有用？
（利用采样的方法，采样部分数据然后运行过拟合模型看看效果；）
7. lr和svm的区别
（从lr的由来讲损失函数，对于svm讲最大间隔。区别在于损失函数不同；svm只需要考虑支持向量，而lr需要考虑所有的点；svm本质上是基于距离的，因此其输出无法直接产生概率，lr输出的是其属于分类的概率；在非线性的情况下，svm使用核函数解决，而lr通常不使用核函数；svm自带正则话，因此是结构风险最小化算法）
8. 特征选择的方法；
9. AUC是什么？就是ROC曲线下的部分，表示什么？
10. 快速排序；
11. 一个数组中超过一半的数字；
（（1）hashmap直接统计，（2）hashmap间接统计，利用数组中的一个数字和次数，当相同的时候1，不同的时候1，如果次数为0则，保留下一个元素且次数设置为1，那么最后留下来为1的数字就是次数最多的；（3）归并排序选中间元素；）
12. 有一个能产生1-5的随机数的函数，怎么修改之后能够产生1-7的随机数；
13. 快速排序，归并排序，深度遍历和广度遍历；
14. 解释一下lucene原理，怎么进行中文分词，基于什么进行分词；
15. a，…z所有字母组合方式；
16. 输入一个数，输出这个整数里面最大的质数；

　祝大家好运~