最近找實習，整理一下面的比較完整的幾家公司的問題，如果後面還有比較完整的流程再新增吧。
小米麵試
一面

• 給使用者推薦一首歌，每首歌被推薦的概率和歌的評分成正比
• 對上面的題進行優化，要求每次推薦歌的時間複雜度為O（1）
• 給定一些字元，每個字元都可以出現或可以不出現，出現的字元的順序和給定的保持一致，問一共有多少種出現方式
• 對上面的題進行優化
• 問了一道分類的應用題，，有點不記得是什麼了

二面

• 問了一道分類應用題
• 兩個連結串列是否存在公共節點，如果連結串列本身有環怎麼辦
• 如果一個連結串列很長一個連結串列很短怎麼優化

京東面試
一面

• 先寫了一道演算法題，去掉連結串列中的重複元素
• 智力題，三枚硬幣如何等概率扔出0~4
• 機器學習基礎，LR損失函式，過擬合，正則化
• 問專案，貝葉斯有什麼改進，還問了一道，沒有聽明白題意的問題，什麼歸一什麼鬼
• 商品分類問題，只給商品id和分類去預測新的演算法（文字分類、詞頻、語義）

二面

• 先是問了專案，然後文字分類的工作，問如果現在做能怎麼改進
• 京東搜尋“手機”，對搜尋出來的商品怎麼排序（提出了迴歸的模型，userCf模型，面試官說了一種learning to rank的想法）

微軟面試
一面

• 專案的相關問題，為什麼不用mlib中自帶的演算法
• gbdt和rf的區別
• svm核函式相關的問題
• 找有序陣列中值為k的數的下標範圍，可能有多個值為k的數

二面

• 多個有序連結串列中的值相同的節點
• java中的反射機制

頭條面試
一面

• 決策樹的並行策略
• 能否十分鐘寫出cart樹
• 視訊分類應用（標題，作者的id和行為，視訊詳情，歷史的使用者資料和行為，使用者評論）
• 二叉搜尋樹找到一個節點並刪除

二面

• 連續子陣列最大和的值和起始終止位置
• 並行演算法和mlib的區別，有沒有什麼演算法上的改進
• 文字分類svm調參，使用了什麼核，手推svm
• 為什麼svm可以使用和函式，LR不可以使用
• 手推牛頓迭代法和擬牛頓法

百度面試
一面

• 專案
• 機器學習演算法的相關知識
• spark和hadoop的區別
• linux命令 awk，sort，grep
• 二叉樹的中序遍歷非遞迴
• Kmeans和KNN

二面

• 問專案
• 手推LR
• 陣列流找中位數，使用兩個堆
• 檔案流隨機挑選K行

三面

• 問spark是啥。。
• 個性化推薦
• 線上的程式碼重構，出問題如何定位

嘀嘀新銳面試
一面

• 簡歷上的東西
• 結合偏差和方差說明gbdt和rf的區別，然後又圍繞展開很多其他問題
• spark的基本問題
• spark程式執行很慢的原因

二面

• 開始就聊工作預期bulabula
• sgd的並行化思路
• sgd並行化思路展開，一個並行任務執行很慢怎麼辦
• 飛機尋找在沙漠中尋找黑匣子：飛機得到黑匣子的訊號，有強弱的區別
• 尋找黑匣子的過程像什麼演算法

美團面試
一面

• 簡歷上的東西
• 連續子陣列的最大和
• 字串轉整數
• 研究生期間讓自己覺得不錯的專案

二面

• 簡歷上的東西，為什麼寫貝葉斯和決策樹
• 論文
• 時序演算法的一些相關問題

三面
沒什麼技術問題，主要是簡歷上的東西以及是否有意願來