微软、百度、腾讯、阿里、蚂蚁金服：实习面经

我不是女神ヾ 2022-02-12 17:17 1844阅读 0赞

### 1.百度前端 ###

###### 一面: ######

*  promise async/await
 *  promise封装ajax
 *  三栏布局
 *  一个元素和父元素高度一样
 *  选择器
 *  说css结果
 *  一个数组，在第一次出现位置标次数，后边的标0

###### 二面 ######

*  项目
 *  vue常见问题
 *  computed返回内容不变如何避免重新渲染(这个我至今不会，求大佬解答)
 *  event loop
 *  安全

###### 三面 ######

*  手撕了一个计算器之后就聊人生了

### 2.CVTE ###

###### 一面 ######

*  介绍项目
 *  多尺度如何分别在这三个图像去噪，图像超分辨率任务起作用
 *  图像去噪是去高频，超分是加高频，如何作用
 *  为什么用L1损先，不用L2损失
 *  L1,L2的区别，项目中为什么选择L1损失函数
 *  鲁棒性是指什么，异常点是指什么
 *  这个任务的异常点是指什么
 *  做过哪些传统的超分或者去噪的算法
 *  用了什么噪声,与实际噪声的区别。

### 3.远景智能一面 ###

*  为什么采用SVM，如何实现多分类，如何采用的
 *  有木有使用其他算法比较?
 *  了解什么其他的机器学习的算法

### 4.旷视面经: ###

*  你的框架还有什么可以改进的地方?你如何做的改进
 *  为什么使用一个大的GPU比使用两个并行的GPU要效果好
 *  超分辨率重建后的图像会对人脸加入破坏,如何解决?
 *  写一下快排?
 *  ab为\[0,1\]的独立均匀同分布，求E(max(ab)的值

###### 二面 ######

*  A为正定对称矩阵，求A的二范数是其最大特征值
 *  一个数组，求连续子串的和的最大值(降低复杂度)
 *  一个数组,分为M段,求M段中和的最大值的最小值

### 腾讯 ###

*  Res和 ADDensenet-g中的融合有什么区别?用公式详细解释
 *  怼项目

###### 二面:何应对可能运动差大 ######

*  视频超分如何应对异常可能,即运动误差大的如何处理?
 *  BN层有什么具体的好处?如何使用BN层
 *  python中：a is b和a==b的区别
 *  如果a==b，则a is b是否成立
 *  如何在python中调用linux系统程序os
 *  如何在python中遍历资料夹os.walk
 *  如何判断链表是否有环?
 *  python中使用字典的好处?字典是哈希表,那字典查找跟列表查找的时间复杂度分别是多少?

###### Hr面 ######

*  方便介绍一下你的家庭吗?
 *  你的最大缺点是什么?
 *  你的论文都有哪些，可以毕业了吗？
 *  为什么不读博?

### 阿里面经 ###

###### 一面 ######

*  Python中生成器,选代器的区别
 *  pythons中什么是装饰器?
 *  Python 中copy，deepcopy，赋值的区别
 *  TF如何读取数据
 *  TF写一个全连接层代码
 *  cnn计算参数图
 *  写快速排序

###### 二面 ######

*  怼项目

###### 三面 ######

*  介绍语义分割
 *  介绍物体检测
 *  介绍随机森林
 *  天猫有1000万条数据,找到使用人数最多的前1000个
 *  找到两个字符串的最大公共子串
 *  描述动态规划公式

###### HR面 ######

*  本科和研究生的学习有什么区别,如何适应这种区别?具体说说?
 *  最大的优点是什么?如何对抗压力?
 *  项目中遇到的最大问题是什么?怎么处理这些问题?
 *  对第一份实习有什么样的期许
 *  有没有其他offer

### 5.快手 ###

*  L1L2正则化的梯度公式
 *  如何处理异常帧，恢复之后成为视频效果如何?
 *  图像滤波方法的代码
 *  传统图像处理的方法
 *  线性回归和lr回归的区别

### 6.网易 ###

*  Resnet中通道不一致怎么办?
 *  Bott omnets有什么用处?

### 7.蘑菇街 ###

*  视频超分和图像超分有什么区别?
 *  如何针对这些区别做改进?
 *  做题：牛客网的一个题目

### 8.360 ###

###### 一面二面 ######

*  推导 Soft max梯度下降公式
 *  LSTM介绍?每个函数的激活函数?为什么用这两个激活函数?

### 9.字节跳动 ###

###### 一面 ######

*  如何测试一瓶水的质量是否合格
 *  堆栈实现队列
 *  对dic进行排序输出编程
 *  自动混洗扑克牌编程
 *  python中常用的函数
 *  Python中常用的数据类型
 *  pandas的常用数椐操作
 *  自己的项目

###### 字节二面 ######

*  网络相关知识,从url到打开页面的流程
 *  tcp ip的三次握手和四次挥手
 *  堆和栈的区别
 *  本地进程间的通信方式
 *  SQL语句
 *  逻辑题多少种方式排列问题
 *  凑出一小时15min
 *  编程题输出登录次数最多的前十条ip信息
 *  编程题找到一个数组中出现次数超过其自身长度一半的元素
 *  测试一个电梯
 *  测试微信的视频聊天界面
 *  有过一个产品临上线还有许多bug该怎么办
 *  项目的, activity.怎么创建,生命周期
 *  做项目时遇到了哪些问题

### 10、微众银行 ###

![1240][]

![1240 1][]

### 11.360 企业安全 服务端 Python 面经 ###

![1240 2][]

### 11.腾讯正式批、测试开发岗、光子工作室 ###

###### 一面电话面+QQ共享桌面（40min）： ######

*  自我介绍
 *  简历项目情况
 *  非计算机专业，为什么来互联网；项目都是偏算法的，为什么投测开了
 *  python知识：多线程多进程协程；python内存管理；
 *  网络：TCP的滑动窗口，TCP握手
 *  代码：给定一个字符串，输出本字符串中只出现一次并且最靠前的那个位置（用dict，两次遍历，O(n)）
 *  反问：测开在本部门的工作内容

###### 二面视频面（35min）： ######

*  自我介绍
 *  项目情况
 *  成绩、投递原因，对测开的了解情况，实习时间
 *  有一个rand6()函数，均匀返回1-6之间的整数，通过rand6()实现rand10()能均匀返回1-10之间的整数
 *  反问

隔了几天才来写面经，可能会有部分问题忘记了~但两次面试都问得不是很多~

###### HR面（半个钟之后）~~~~~ ######

### 12.苏州微软SWE 面经 ###

基本上考算法题 大部分leetcode有原题

###### 一面 ######

*  找出一个数组中和为target两个数的索引
 *  找出一个数组里和为0的三元组
 *  二面
 *  数组中的第k个最大数
 *  一个二叉树是否是二叉搜索树
 *  股票股票的最佳时机

###### 三面 ######

一个口音很重也很热情的广东人

*  问了一个中文字符串换成long的题

> 例如:  
> 九八七九 9876  
> 一百零一 101  
> 三千四百零三万亿九千八百万零六十六  
> 廿一 21  
> 丗一 31

### 13.360安全 ###

![1240 3][]

### 14.CVTE ###

小硕，从本科起一直就做嵌入式，本科一直围绕单片机和dsp方面做一些开发，硕士期间方向依然是嵌入式，不过稍微偏算法，做深度学习和slam算法在jetson-tx2平台上的一些移植和优化，传统的嵌入式Linux方面的项目也有涉及。

面试时间3月8日，地点西安阳光城希尔顿花园酒店 ，到酒店后先关注CVTE招聘公众号，绑定个人信息，轮到你后会微信通知你

春招实习技术面只有一面，不仅是嵌入式，据我所知java，c++等所有技术岗都只有一面技术。

先自我介绍，之后就开始问技术啦

*  说一说你对拷贝构造函数的理解
 *  什么是深浅拷贝
 *  如何判断一个链表是否有环，答快慢指针，追问这样判断的原理是什么，快指针为何比慢指针快两倍，三倍可不可以
 *  稳定的排序算法都有那些，冒泡排序是不是稳定的
 *  log2n的排序算法
 *  了解过哪些设计模式，手写饿汉单例模式
 *  fork()调用后有几个返回值，返回哪些值
 *  用过STL中的哪些容器，vector迭代器删除会发生什么
 *  select、poll、epoll区别
 *  sed、awk命令的一些考察
 *  linux下检查内存状态的命令
 *  重写memcpy()函数需要注意哪些问题
 *  arm和dsp有什么区别
 *  中断怎么发生，中断处理大概流程
 *  讲一讲你tensorflow怎么训练数据的，怎么移植到嵌入式平台上
 *  spi总线有几条线
 *  在线编程，写一个判断回文数的算法

中间还有大概3、4个问题忘记了，后面就跟面试官聊了聊人生，全程大概40多分钟，面试官态度很好，很nice，大概晚上10点在官网上查到技术面通过的通知，3月10号hr面，hr面之前先要在官网上填写一个问卷调查，很搞笑的一点问卷调查的问题基本上就是hr面时问到的问题，例如性格啦，工作意向城市，小时候印象最深的一件事balala。然后隔了两周吧，终面结果才出来，通过的话hr小姐姐会打电话通知你，然后告诉你一些关于实习薪资待遇，路费报销之类的，实习期33天，到最后有一个考核，考核通过可以继续实习。

### 15.腾讯 数据分析 ###

![1240 4][]

### 16.神策 数据笔试 ###

1.  创建mysql表

creat table table_name(
        col_name1 类型 not null default xx,
        col_name2 类型 not null default xx,
        primary key(col_namex)
    );

1.  获取北京用户一个月用电量

供给：一个月用电量 = 月发电量 - 月传输线损耗量
                       =来源1的（月发电量 - 月传输线损耗量）
                       +来源2的（月发电量 - 月传输线损耗量）+..
                       
     需求 = 月人口总数 * 平均每天用电量 * 30

1.  估算每天微信群聊中未命名的群聊数

未命名群聊数 = 总群聊数 - 命名群聊数
                = 日活 * 人均群聊数 - 人均群聊数 * 命名按钮转换率
    人均群聊数涉及到去重问题。

1.  一根不均匀绳子燃烧完需要1个小时，如何判断是30分钟和45分钟

30分钟：一根绳子两头同时点燃，全部烧完就是半个小时
    45分钟：两根绳子，同时点燃一根的两头和另一根的一头，等到点燃两头的绳子全部烧完后，点燃另一绳子的一头，这根绳子烧完就是45分钟。

1.  如何查找连续数据的异常值（逻辑回归）
2.  用什么图表展现4维数据

散点图：x轴，y轴，点的大小，颜色，形状等。

1.  如何评估社团整体情况和影响力。

#### 17.OPPO一面 ####

1.  python中三个函数(reduce，map,filter)

*  map reduce 和 hadoop中的mapreduce一样。map是对迭代元素的逐个操作，是并行的，reduce是对迭代结果参数的汇总，可以理解为串行的。

map是指对指定序列做指定函数的相关映射
    python2返回的是列表
    python3返回的是元组
    
    def f(x):
        return x**2
    map(f,[1,2,3,4])
    
    out:[1,4,9,16]
    
    map(lambda x,y:x+y,[1,2,3],[4,5,6])
    
    out:[5,7,9]
    ------------------------------------------------------------------------------------------
    reduce函数
    在python2中reduce函数是一个内置函数，但是python3中是一个类，需要导入
    from functools import reduce
    reduce[function,sequence,[inital]]
    reduce依次从sequence中取一个元素，和上一次调用function的结果做参数再次调用function。inital是和function的作用的值，这里理解为function不能为一个参数的函数。
    def f(x,y):
        return x+y
    reduce(f,[1,2,3,4])
    out:10
    reduce(f,[1,2,3,4],100)
    out:110
    ------------------------------------------------------------------------------------------
    filter:过滤，不满足函数条件的元素被过滤掉，只返回符合条件的元素
    filter(function,interable)
    function是返回布尔值的函数
    def is_odd(x):
        return x%2==1
    filter(is_odd,[1,2,3,4])
    out:[1,3] #这是python2的返回结果
    python3返回的是一个迭代器，可迭代，但不是列表。

1.  mysql中的难点

我回答的不好，竟然说没有认为有很难的地方，然后面试官笑了，然后我就说可能是查询优化这块吧，mysql底层怎样查找，索引是怎么用的，就是把不懂的讲了下，和hive对比了下。现在想想应该是查询语句的灵活运用，懂了和灵活运用是不一样的。  
3. 知道我是自学的，问了我怎样自学的，学习规划是怎样的，有没有人帮助我，熟悉的排个名次？  
4. 成绩排名  
5. 了解过oppo的培养三个方向？想做哪个？

我不知道三个方向，但是我有看岗位职责，一一给他列举了，然后他和我解释了下，有偏业务的，写代码的，机器学习的，我说想写代码。  
6. 大学最遗憾的和最有意义的是什么

最遗憾的是没有早早的做好职业规划，然后现在在学习，参加比赛，之前的很多机会都没有抓住。其次是没有好好锻炼身体，马上要体侧了。最有意义的是和伙伴一起参加美赛，反正我记得清晨的第一缕阳光撒在脸上的幸福。  
7. 自我介绍太详细，以至于面试官后面没有问项目的事情吧，我认为是这样的  
8. 业务问题：

如果需要从另一部门的那个人中获取数据，我发微信，qq，电话都没有回复，怎么办？  
9. 你有哪些优点我没有问到的。  
10. 问他的问题

*  结果什么时候出来
 *  公司培养的三个具体方向
 *  问我的python三个函数，我都没听过，所以详细问了他，记在了本子上。

### 17. 蚂蚁金服后台研发实习面经 ###

###### 蚂蚁一面 1h+ 投简历一周后 ######

*  自我介绍
 *  印象最深的项目
 *  线程池参数和调优
 *  bean生命周期、spring加载的过程
 *  新生代和老年代的构成和垃圾收集
 *  kmp算法
 *  平衡二叉树的特点、应用场景
 *  红黑树
 *  快速排序
 *  01背包
 *  还有什么问题问我

###### 蚂蚁二面 一面后一天 ######

1小时代码测评：

*  在线IDE 10道选择 2道编程

1、尽量实现性能最好的阻塞队列

2、写高并发下转账业务（确保账户不透支，金额计算准确）

进阶：某一账户并发更新比较高给数据库带来很大压力，如何应对这种热点账户问题。

#### 30min面试（换了个人） ####

*  死锁、数据库读写锁
 *  如何学习技术的
 *  校园经历
 *  有没有发表论文和专利
 *  最有成就感的事情
 *  如果有人批评你，认为你做的事情都是错的怎么办
 *  你的技术愿景，为什么
 *  你是如何看待架构师的工作的
 *  了解我们部门吗
 *  还有什么问题问我

###### 蚂蚁三面（交叉面） 45min 二面一周后 ######

*  自我介绍
 *  校园经历
 *  怼项目
 *  讲一下mysql的引擎 Innodb MyIsam
 *  mysql优化
 *  乐观锁悲观锁 （java + mysql）
 *  如何学习技术的
 *  读过的开源框架（spring dubbo）
 *  线程安全的集合
 *  ConcurrentHashmap的原理
 *  用过的NewSql
 *  再次怼项目
 *  还有什么问题问我

###### hr面 三面四天后 ######

*  简单聊了半小时，最后还问我投了哪些公司，如实回答。答复两周给消息

\#\#\#18.Shopee深圳后端实习面经

###### 一面 ######

*  讲下比赛，项目，旁边有笔和白板，可以跟面试官讲。
 *  了解linux吗？我说只会些命令
 *  怎么查看内存，IO，CPU使用情况
 *  topK
 *  mysql存储引擎？有什么区别？
 *  了解explain的用法吗？慢查询了解吗？
 *  redis为什么快？底层数据结构？跳表具体用在哪些场景
 *  select,poll,epoll
 *  面向对象，多态的实现原理？运行时绑定？
 *  进程间的通讯方式，进程与线程的区别
 *  TCP四次挥手
 *  处于time wait状态的连接太多怎么办？
 *  算法题：排序数组原地去重，leetcode上的原题

面试体验很不错，感觉很多我没答太全，小哥哥一直引导我说的再多一些。当天下午接到了下周二面的通知。

###### 二面 ######

技术主管一个技术问题没问

*  自我介绍
 *  什么时候毕业，对公司的了解
 *  业余爱好
 *  最大的优点与缺点

### 19.蘑菇街后台开发面经（java） ###

###### 一面（15号上午11点，25分钟）： ######

*  redis集群用过吗
 *  消息中间件的好处
 *  spring是怎么注入的
 *  未读消息怎么设计（因为写了用netty做过聊天室）
 *  netty源码里，连接进来的线程怎么给worker分配
 *  进程线程
 *  多线程会往CPU其他核分配吗

###### 二面（17号下午五点，25分钟）： ######

*  线程池的参数
 *  线程池拒绝策略
 *  垃圾回收（还问了jdk1.8的什么多线程回收，没听说过）
 *  jvm调优
 *  内存溢出遇到过吗
 *  平时浏览哪些技术网站
 *  实习时间

\#\#\#20.蘑菇街算法面经

###### 一面： ######

*  给一个数组和一个数，求数组中有多少对和为该数的数
 *  如何解决陷入局部最小，自适应学习率方法
 *  adam的思想
 *  问Q方法，说一下强化学习中DQN算法
 *  10g文件统计top10词频
 *  如何解决过拟合
 *  你有什么要问我的

###### 二面： ######

*  大数相加，转换成字符串，对每个字符相加减，考虑进位
 *  强化学习分类
 *  值函数方法有哪些
 *  随机策略相对非随机策略优缺点
 *  熟悉的策略梯度方法
 *  如何改进ppo算法
 *  对V函数和Q函数的看法，为什么要有V和Q
 *  你有什么要问我的

### 21.深信服熙佳佳面经 ###

![1240 5][]

![1240 6][]

### 22.网易游戏互娱(泛娱乐内容策划）暑期实习 ###

###### 一面面经: ######

1.自我介绍一下  
2.在腾讯都是负责哪些任务呢？  
3.平时除了内容运营策划之外还有什么其他爱好吗？  
4.爱玩哪些游戏？  
5.对直播了解吗 看直播吗？  
6.你负责的影响最深的是哪个策划项目？  
7.其他的做过的还有哪些项目？项目的背景是什么呢？  
8.我没有什么想问的了，你还有什么想问的问题吗？  
(一周之内会给你消息~)

*  面试全程时间不到15分钟,过程轻松加愉快~

### 百度java面经 ###

### 一面： ###

*  ArrayList，HashSet数据结构
 *  GC过程
 *  new一个对象的过程
 *  数据库索引
 *  数据库隔离级别
 *  大数据的数据库处理
 *  水平分表
 *  比较器
 *  给一个文本，按照出现顺序输出单词

###### 二面： ######

*  JVM调优
 *  BigInteger实现加减乘除
 *  NIO,AIO
 *  手写sql：查询成绩每科排名前三的学生信息，查询所有科目成绩排在前三的学生信息
 *  ConcurrentHashmap

### 23 蚂蚁金服 机器学习算法 实习 ###

**![1240 7][]**

**![1240 8][]**

**![1240 9][]**

**![1240 10][]**

--------------------

扫描下方二维码，**及时**获取更多**互联网求职面经**、**java**、**python**、**爬虫**、**大数据**等技术，和**海量资料分享**：  
公众号\*\*`菜鸟名企梦`**后台发送“csdn”即可免费领取【csdn】和【百度文库】下载服务；  
公众号**`菜鸟名企梦`**后台发送“资料”:即可领取**5T精品学习资料\*\*、**java面试考点**和**java面经总结**，以及**几十个java、大数据项目**，**资料很全，你想找的几乎都有**  
![扫码关注，及时获取更多精彩内容。（博主今日头条大数据工程师）][1240 11]

[1240]: /images/20220212/5087e05d4a6043fda0e6f0432ca80396.png
[1240 1]: /images/20220212/3939894baf824c12bef88ef60d510936.png
[1240 2]: /images/20220212/e76b89b288c9473fb97076353e851bc3.png
[1240 3]: /images/20220212/6449140a479e4ecb9c4066d293472905.png
[1240 4]: /images/20220212/43d32898ca6a4b3c9b3f4831a1514570.png
[1240 5]: /images/20220212/ec711eb7fc4648b7b4529819c97dfcd0.png
[1240 6]: /images/20220212/ca2132f510e8403b9f079bb2471bff5d.png
[1240 7]: /images/20220212/29126e624fc847398c45a9da1c958a48.png
[1240 8]: /images/20220212/230705191729448d8c037008316895b3.png
[1240 9]: /images/20220212/ddf26c7147564044bd632acff665f2f7.png
[1240 10]: /images/20220212/c78a316d39f344e18cf933f2484ac643.png
[1240 11]: /images/20220212/df4149e00a894edbb0480d08fb694443.png