時隔兩年又一次面試騰訊。大三的時候面試的是微信後臺的崗位，如今面試的是基礎研究的崗位。崗位不太一樣，不過初面的時候考的內容還是有點類似的。

1. online 筆試
   線上筆試考的基本都是數學題，選擇題都是跟一些跟統計相關的數學，簡單的如求平均數之類的，這些個人感覺基本不用複習，純粹提前準備好計算器就好了。比較困難的是一些線性代數相關的題目，大概本人學習線性代數的年代太久遠了。。。主要是行列式，特徵向量，特徵值，正交之類的東西吧。。。 基本靠蒙。。。
   後面的大題就是很開放式的題目，比如評價神經網路的優勢與劣勢之類的問題。

2. 初面
   初面很考驗知識面的廣度。
   機器學習方面，經典的機器學習十大演算法基本都問得差不多。比如svm的原理，lr的推導，gbdt和random forest的區別，em演算法的原理，knn的原理，k-means的原理，神經網路的推導和原理，Apriori演算法（這個我沒有答出來，因為基本沒用過。。。）總而言之，搞機器學習研究的，這些都是必須要過一遍的。
   非機器學習方面。
   1，有Hadoop的原理（一開始聽到被嚇死了，以為要我去思考怎麼實現一個Hadoop。。。其實就是考一下Hadoop的hdfs和mapreduce機制。。。如果你是大資料崗位的話，我建議還是要把Hadoop的基本設計模式過一遍吧。。。）
   2，還有spark的原理，也是主要考一下基本的知識而已，比如rdd，rdd的轉換之類的。
   3，c++也問了一堆（樓主其實已經放棄c++很久了。。。然而騰訊偏愛c++），比如虛擬函式的虛指標表，虛擬函式和純虛擬函式的區別，面向對面語言的三要素。。。
   4，演算法，基本就是排序，那些排序是穩定，空間時間複雜度是多少。。。這些東西基本面什麼崗位都是需要背下的，特別是後臺相關的崗位，其實後臺架構每個公司都不一樣，不會要求你會用什麼框架，能面的一般都只有基礎資料結構和演算法了。
   5，網路協議（我也不理解我一個面機器學習崗位的人為什麼會被問到這個，不過以前面後臺的時候也是被問的），萬年不變的問法，網路協議有多少層，tcp的三次握手四次揮手之類的。
   6，java（本人直接說不會，然後面試官就沒問了。。。）
   7，概率統計，問了一些簡單的概率分佈吧，比如貝塔分佈，伽馬分佈，T分佈，珀鬆分佈，正態分佈。。。
   8，線性代數，特徵值和特徵向量。。。樓主也忘了，沒有答上。。。
   9，作業系統，檔案系統的知識（樓主忘記問了什麼了，反正樓主也不會。。。），執行緒和進場的區別
   總而言之，前面問機器學習的時候簡直對答如流，到了後面問的樓主都是差點要被問傻了，沒想到面試一個基礎研究崗位竟然被問了那麼多其他的東西。。。不過好在問的都是沒有什麼深度，面試官好像也是主要想考驗你知道不知道這些東西而已。

3. 總監面試
   總監面試遇到之前在百度工作過的面試官，先聊了一下他自己的情況，然後拉了一下和我的關係（主要就是扯一些我們在百度認識的一些共同的人和他們的近況）。。。。
   然後面試官要總結前面面試的小夥伴的面試結果，直接扔了我兩道簡單的演算法題讓我去做一下先，面試官的要求是儘快，其實潛臺詞大概是他總結完之後就要聽我講答案了吧。。。
   第一題是問在一個方格圖內，可以向右走和向上走，問從左下角走到右上角有多少種走法。 答案：c(m,n)
   第二題就是用O（n）的時間複雜度，求出一個整數陣列的和最大的子區間。 答案也不難，小夥伴們可以自己思考一下。
   然後兩道演算法題做完。面試官看了一下我的簡歷，覺得我好想做過挺多工程類的機器學習專案（其實好像我的都不是。。。），就說不問基礎知識了，直接拿他們部門正在做的專案，比如網路直播的個性化推薦要怎麼做，從構造特徵到模型建造，還有手Q的興趣部落的帖子要怎麼個性化歸類，怎麼個性化推薦。。。這裡面其實被問得挺懵的。。。 不過答案是開放式的。面試官大概是在考樓主解決一個實際問題的思路吧，中間曾跟我說過我講的方案他們都試過，效果不好，問我原因。。。（其實就是熱門的主播就那幾個，怎麼個性化推薦，大家還是看那幾個。。。哈哈哈哈哈）
   然後又問了下我如何實現輸入法的補全。。。（答案也是開放式的，小夥伴們可以自己思考一下，簡單的可以是樸素貝葉斯，n-gram,有意思一下可以是基於rnn，lstm之類的模型）
4. hr面
   聊人生

總的來說，這次面試已經淡定了很多，基本沒有怎麼複習就去面試，因為無論專案還是機器學習的基礎知識，個人還是比較放心的。最後也沒有什麼意外地拿到了offer，準備6月初入職，深圳的小夥伴們一起來合租呀！