萬字長(zhǎng)文！我的校招算法崗面經(jīng)總結(jié)！

大白回收

歡迎關(guān)注 @滬漂城哥 ，專注CV、推薦、NLP、知識(shí)圖譜、機(jī)器學(xué)習(xí)等領(lǐng)域

大家好，我是陌雨，一個(gè)和大家一樣身處新時(shí)代的“農(nóng)民工”。很高興受到學(xué)長(zhǎng)的邀請(qǐng)，和大家分享我在NLP和搜廣推算法崗位方面的秋招面試經(jīng)驗(yàn)。需要指出的是，面試經(jīng)驗(yàn)是非常主觀的，不同的部門會(huì)給不同的人留下不同的印象。
本文將盡可能客觀地描述我所見所聞，供大家參考。希望我的經(jīng)驗(yàn)?zāi)軐?duì)將來想從事算法行業(yè)的每一位有所幫助。
--->學(xué)術(shù)、面試、技術(shù)交流，移至文末加入我們
先給面友們羅列下我的背景信息以供參考。
學(xué)歷：211本 + 985碩
論文：一A一作 + 一A二作
實(shí)習(xí)：一段鵝廠TEG的NLP算法崗暑期實(shí)習(xí)
項(xiàng)目：無重大項(xiàng)目
比賽：無權(quán)威比賽
代碼：leetcode 500+，面試手撕代碼環(huán)節(jié)沒出過大問題；筆試比較拉稀，只亂殺過網(wǎng)易和半亂殺了華為，pdd壓線，其他廠幾乎都是跳過筆試。
基礎(chǔ)：DL和NLP的相關(guān)知識(shí)都沒大問題；ML相對(duì)薄弱一些；搜廣推沒系統(tǒng)學(xué)習(xí)過。
嘴炮：這是很容易忽視的一項(xiàng)，“你很優(yōu)秀”和“你能讓面試官覺得很優(yōu)秀”是有g(shù)ap的。陌雨自我感覺這次秋招嘴炮屬于中等偏上、偶爾拉滿。臨場(chǎng)反應(yīng)和freestyle發(fā)揮都挺好，反問環(huán)節(jié)的面試反饋通常也比較正面，反而是我的airpods pro被diss了好多次收音垃圾。
秋招面試結(jié)果出來啦！我這次共計(jì)向12家公司投遞了簡(jiǎn)歷，很幸運(yùn)的是幾乎都成功通過了大部分公司的面試環(huán)節(jié)，并且最終也收到了不少心儀公司的錄取意向，整體表現(xiàn)還算不錯(cuò)哦。
可惜的是，由于時(shí)間原因，我沒有來得及投遞給一些外企和銀行。因此，本文的參考性僅覆蓋國(guó)內(nèi)這部分大廠。
騰訊：NLP算法（1面 -> 2面 -> hr面 -> gm面 -> 意向）
阿里：廣告算法（筆試 -> 1面 -> 2面 -> 3面 -> hr面 -> 意向）
字節(jié)：廣告算法（1面 -> 2面 -> 3面 -> hr面 -> 4面 -> 意向）
百度：搜索算法（1面 -> 2面 -> 3面 -> 意向）
美團(tuán)：NLP算法（1面 -> 2面 -> hr面 -> 意向）
拼多多：搜索算法（筆試 -> 1面 -> 2面 -> 3面 -> hr面 -> 意向）
京東：NLP算法（1面 -> 2面 -> hr面 -> 3面 -> 意向 -> 4面 -> 5面 -> 等待ing）
快手：推薦算法（1面 -> 2面 -> 3面 -> hr面 -> 意向）
華為：NLP算法（筆試 -> 1面 -> 2面 -> 3面 -> 意向）
網(wǎng)易：NLP算法（筆試 -> 1面 -> 2面掛）
_蝦皮：推薦算法（__筆試掛_）
_米哈游：NLP算法（__簡(jiǎn)歷掛_）
我分別從“簡(jiǎn)歷、自我介紹、論文、實(shí)習(xí)、基礎(chǔ)、手撕代碼和反問”這幾個(gè)方面，和大家分享我個(gè)人在秋招面試中的體會(huì)。
恰好，后六個(gè)環(huán)節(jié)都是每場(chǎng)面試依次遇到的，時(shí)間分配大概如下：“自我介紹3分鐘，論文&實(shí)習(xí)30-40分鐘（這兩個(gè)環(huán)節(jié)不定，有些面試官只問論文，有些只問實(shí)習(xí)，有些會(huì)兩個(gè)都問，合起來大概用這么長(zhǎng)時(shí)間），基礎(chǔ)5-15分鐘，手撕代碼10-20分鐘，反問5-30分鐘”。希望我的分享能夠?qū)Υ蠹以诿嬖囍杏兴鶐椭?br /> 1 簡(jiǎn)歷

1.1 簡(jiǎn)歷內(nèi)容

遇到的面試官幾乎只會(huì)focus下面兩點(diǎn)，其他的一些東西得過什么獎(jiǎng)學(xué)金啊，績(jī)點(diǎn)多少，有無社交牛逼癥，樂觀開朗，精通windows啥的，感覺面試官都不太關(guān)注，可以選擇性寫一些豐富簡(jiǎn)歷。本人面試的時(shí)候是幾乎所有的火力都集中在第二點(diǎn)，我當(dāng)時(shí)還專門有個(gè)other章節(jié)寫了一些別的東西，想強(qiáng)調(diào)沒有相應(yīng)的項(xiàng)目，但是這些我也會(huì)，但從來沒有面試官問過。所以簡(jiǎn)歷可以做的有的放矢和稍微簡(jiǎn)潔一些，把必要的個(gè)人信息 + 論文、比賽、項(xiàng)目和實(shí)習(xí)給陳述好，再適當(dāng)挑選一些其他比較有意思的豐富下簡(jiǎn)歷。

• 家住哪/學(xué)校哪，愿不愿意到公司城市發(fā)展，意向和本崗位match嗎，什么時(shí)候能畢業(yè)
  
• 有哪些論文、哪些比賽、哪些項(xiàng)目和哪些實(shí)習(xí)
  

如果n很大，1/n桶水的東西就別往簡(jiǎn)歷上寫了，會(huì)留大坑，容易偷雞不成折把米。身邊有同學(xué)剛?cè)腴T某些東西就往簡(jiǎn)歷上寫，想添彩，面試的時(shí)候剛好就被面試官逮著了，非常減分，自然而然是都被掛了。簡(jiǎn)歷上的東西盡量吃到比較透，至少確保能和面試官來上幾個(gè)回合。
另外，強(qiáng)迫癥患者要注意別花過多時(shí)間在簡(jiǎn)歷修改上，我秋招就三天兩頭改，怎么看怎么不順眼，浪費(fèi)了超級(jí)多時(shí)間。我簡(jiǎn)歷當(dāng)時(shí)在非上面兩點(diǎn)的other信息上有及其離譜的錯(cuò)誤，但投了一圈都沒沉（除了米哈游）。后面反思這東西其實(shí)就是通過性考核，只要達(dá)標(biāo)（80分），能幫你走到面試環(huán)節(jié)就行，沒必要苛求細(xì)節(jié)完美（100分）。重點(diǎn)在面試表現(xiàn)，你精心在簡(jiǎn)歷搞各種小細(xì)節(jié)，面試官可能壓根就不care。另外，最好找有經(jīng)驗(yàn)的師兄/姐幫忙check。
1.2 簡(jiǎn)歷制作

同學(xué)幾乎都用這網(wǎng)站，非常好用。不需要整得花里胡哨、五顏六色，黑白、突出重點(diǎn)即可。
1.3 簡(jiǎn)歷投遞

Tips-1 投的要夠早，最好提前批開始的第一周就把簡(jiǎn)歷甩出去。
多早算早。老話都說金9銀10，但是這幾年互聯(lián)網(wǎng)招聘已經(jīng)變成金8銀9了，甚至一年比一年早，基本都在7月底和8月初就開始。所以一定要好好珍惜8月和9月，盡量不要拖拉，每天都安排利用起來，也隨時(shí)保持好面試狀態(tài)。
復(fù)習(xí)是永遠(yuǎn)復(fù)不完的。無論復(fù)習(xí)多久，一定會(huì)有知識(shí)盲區(qū)，要學(xué)會(huì)理性評(píng)估自己當(dāng)前的準(zhǔn)備情況，覺得差不多就盡早開干。面試官通常會(huì)從你身上出發(fā)，都是在聊你會(huì)什么，而不是你不會(huì)什么，所以不要老想著自己還有多少多少東西是不會(huì)的，畏手畏腳。只要你沒菜到什么都不會(huì)，簡(jiǎn)歷上有東西和面試官聊夠半個(gè)多小時(shí)就可以甩簡(jiǎn)歷了，后面就邊實(shí)戰(zhàn)邊復(fù)習(xí)。
坑位有限，先到先得。我的教訓(xùn)是shopee投晚了，我當(dāng)時(shí)以為外企要全英文面試，想認(rèn)真準(zhǔn)備，拖了好幾周才投。最終shopee早投的那波人表現(xiàn)比較common都可拿意向，后面投的不少top2或筆試全a或論文怪或bbater在筆試階段都給掛了，甚至正式批國(guó)內(nèi)直接“取消”算法崗。然后，我字節(jié)投的非常早，提前批第一周就開面。當(dāng)時(shí)加面有好些個(gè)問題回答的很拉，自我感覺表現(xiàn)一般，卻順利通過了。所以一定要趁早，早期坑位多而且bar也會(huì)低一點(diǎn)。
提前批是復(fù)活甲，面試是無限火力。提前批等于白送一次機(jī)會(huì)，結(jié)果不影響后面批次，不投白不投。多數(shù)大廠都不會(huì)嚴(yán)格限制次數(shù)，聽到都是掛了隔幾天又被別的部門撈起來，無限循環(huán)。其次，即使面試不通過也不要讓負(fù)面情緒影響自己，不要因?yàn)橐淮尾缓玫捏w驗(yàn)就aoe整家公司，個(gè)人覺得大廠更像是很多個(gè)用了同一個(gè)名字的小廠，不同部門和不同小組差距太大了（在我實(shí)習(xí)的同一個(gè)中心下，我們組leader人超好，氛圍超級(jí)和諧，隔壁組的leader就天天排隊(duì)訓(xùn)話，差別就是那么大），不可能次次都是奇葩，相信總會(huì)遇到好的。認(rèn)識(shí)一位7篇paper的巨佬，一面被宇宙公司的奇葩面試官給弄了，他中間一度曾放棄這家公司，覺得很莫名其妙+面評(píng)被寫死了，中間耽誤好幾周都沒進(jìn)展。最后想通了，第二趟輕松找回場(chǎng)子。
Tips-2 投哪些公司，面試難度、體驗(yàn)和效率如何，部門怎么選，有什么渠道
面試難度，個(gè)人的排序大概是：
字節(jié) 阿里 騰訊 百度 美團(tuán) 快手 拼多多 京東 華為 網(wǎng)易。
前三家的難點(diǎn)不太一樣，字節(jié)是難到讓你掛的明明白白，騰訊和阿里則是難的不太明白，通常是面的比較輕松但過不了。個(gè)人覺得華為和網(wǎng)易會(huì)相對(duì)簡(jiǎn)單一些，技術(shù)問題比較少，像聊天，有些輪次面試官講的時(shí)間比我還多。剩下的難度沒特別明顯的差距，如果信心還不太足，一上來盡量不要?jiǎng)偺y的廠，容易受打擊，盡可能先從中間這波廠開始。
面試體驗(yàn)，講道理個(gè)人覺得大廠的面試體驗(yàn)整體都非常好，包括在脈脈上被噴成shit的字節(jié)和阿里（我字節(jié)一面和阿里一二面是我整個(gè)秋招最舒服的Top5）。我沒遇到過傳說中的kpi面，最壞只遇到過幾個(gè)靜態(tài)臉或者純問一些不知道想考核啥的面試官，btw對(duì)面都讓我通過了。我覺得這可能只是他們的面試style，和面評(píng)無關(guān)，所以面友們遇到這種情況也不要輕言放棄。我秋招制定了策略，如果三面往后遇到傳說中讓人忍受不了的業(yè)余面試官，就舔著茍過去，入職大概率見不著他，但一二面遇到，反問環(huán)節(jié)就主動(dòng)說不夠match，讓釋放流程。
面試效率，字節(jié)獨(dú)一檔，我一面到意向11天，結(jié)果反饋超級(jí)快，都是“私人專享”的HR實(shí)習(xí)生在半小時(shí)內(nèi)通知。字節(jié)的每個(gè)部門差不多都這樣，效率特別穩(wěn)定，身邊同學(xué)拿到的第一個(gè)意向十有八九都是字節(jié)。其次是百度，一面到OC一共4天（不包周末2天），百度的效率沒字節(jié)穩(wěn)定，不同部門差距較大，但是百度允許多線程作戰(zhàn)，不同部門、甚至一個(gè)部門的不同組可以同時(shí)發(fā)起面試流程，所以整體效率也比較高。剩下大廠沒太大差別，都維持一周一到兩面的頻率，整體流程大概是20-30天不等，而且它們多數(shù)都還會(huì)設(shè)魚塘，hr完要繼續(xù)等一段時(shí)間才有結(jié)果。想快速拿保底o(hù)ffer的卷王們建議秋招初期從字節(jié)和百度下手，真的超級(jí)快。
業(yè)務(wù)部門，我的選擇方式很粗暴，我印象中百度搜索很牛逼，就投大x；字節(jié)和阿里廣告很牛逼，就投商xx廣告和阿里xx；快手算是推薦業(yè)務(wù)支撐，就投社x推薦。其他也是類似的想法，都是盡量選印象中比較卷、核心和技術(shù)有一定沉淀的業(yè)務(wù)部門。不同人有不同需求，千人千選，核心和卷并不是唯一標(biāo)準(zhǔn)，面友們也可以參考一下下面這個(gè) 項(xiàng)目。
投遞渠道，包括企業(yè)微信（騰訊）、招聘官網(wǎng)（快手、拼多多、網(wǎng)易、蝦皮）、面試群JD（字節(jié)、京東、米哈游）、熟人遞簡(jiǎn)歷（華為、美團(tuán)）、?？途W(wǎng)員工內(nèi)推（阿里、百度）。招聘官網(wǎng)和面試群遇到的JD都太隨機(jī)了，建議主動(dòng)出擊，盡可能讓簡(jiǎn)歷直達(dá)你的意向部門。
2. 自我介紹

我每次自我介紹都講大概3分鐘左右，甚至可以講更長(zhǎng)，不然1個(gè)小時(shí)的面試時(shí)間都不知道要怎么耗過去，只能這些有的沒得多講一些。這一部分感覺不是很重要，我每次都是一樣的說法，還沒被面試官challenge過。下面是我的模版，面友們也可以參考一下。
面試官老師，您好！我是xx學(xué)校xx專業(yè)的碩士研究生，大概xx年xx月畢業(yè)。本科就讀于xx大學(xué)xx專業(yè)，在本科的時(shí)候?qū)W過xx，有過xx成果，最終在大四的時(shí)候順利保送到xx大學(xué)xx專業(yè)，然后跟隨xx老師從事NLP的研究快xx年了，我們實(shí)驗(yàn)室的研究方向是xx，研究生期間我發(fā)表了xx論文，做過xx項(xiàng)目，參加過xx比賽。此外，我平時(shí)還關(guān)注xx領(lǐng)域，對(duì)xx和xx也有一定的了解。我前段時(shí)間在xx公司的xx部門實(shí)習(xí)了xx久，部門主要負(fù)責(zé)xx公司的xx業(yè)務(wù)，我在實(shí)習(xí)的時(shí)候主要做了xx工作。我個(gè)人的情況大概是這樣，老師，您有啥問題嗎？
3. 論文

怎么發(fā)論文。論文比較吃自身科研sense和實(shí)驗(yàn)室科研氛圍。最重要是實(shí)驗(yàn)室得有經(jīng)驗(yàn)豐富的師兄帶你。如果沒有，建議多打比賽和多搞項(xiàng)目，盡可能讓面試可以有些自己的東西講。又或者多去企業(yè)Lab實(shí)習(xí)，企業(yè)Lab招實(shí)習(xí)生聽說不一定需要paper，反而是更看重coding。Lab里面有大牛mentor+多數(shù)實(shí)驗(yàn)室都望塵莫及的計(jì)算資源，出paper概率要大很多。
論文的作用。首先只要論文數(shù)量達(dá)到閾值就可以走頭部計(jì)劃，據(jù)我了解某些頭部計(jì)劃面試難度和普通批次并不會(huì)有質(zhì)變，無非就是有更高級(jí)別的leader來面你，區(qū)別更大的是論文數(shù)量有沒有達(dá)到閾值。其次，碩士生兩篇CCF A一作 + 其他方面不太拉垮，今年絕對(duì)大概率亂殺除頭部計(jì)劃以外的所有招聘。最后，論文可以讓你每場(chǎng)面試都擁有接近30min的“安全期”。
論文怎么講。除了pdd，其他公司都允許共享屏幕。為了方便演示和更穩(wěn)定發(fā)揮，建議提前準(zhǔn)備ppt。演示內(nèi)容包括“任務(wù)定義(輸入是，輸出是，有無監(jiān)督等) - 任務(wù)難點(diǎn) - 相關(guān)工作 - motivation - 提出的方法(創(chuàng)新點(diǎn)，有啥實(shí)現(xiàn)難度) - 實(shí)驗(yàn)結(jié)果 - 后續(xù)改進(jìn)”。
4.實(shí)習(xí)

實(shí)習(xí)選擇。我個(gè)人理解是有兩種情況，第一種是選意向的核心部門，然后實(shí)習(xí)期間好好干，轉(zhuǎn)正拿好offer；另一種是選一個(gè)還行的大廠養(yǎng)老部門鍍金，每天快速干完mentor分配的任務(wù)，稍微沒那么好好干和想辦法多擠出一些時(shí)間準(zhǔn)備秋招，再拿其他意向部門的好offer。
實(shí)習(xí)怎么講。和論文類似，建議做一個(gè)ppt展示，介紹一下你們組是干啥的，以及這幾個(gè)月你做了些什么事，目的是什么，效果怎么樣，后續(xù)會(huì)怎樣改進(jìn)。因?yàn)闃I(yè)務(wù)算法長(zhǎng)時(shí)間都是和數(shù)據(jù)打交道，幾個(gè)月的時(shí)間也很難做出很大的成果，如實(shí)寫上去就ok。個(gè)人發(fā)現(xiàn)，做一些實(shí)際的數(shù)據(jù)處理帶來的性能提升比包裝一些亂七八糟的吹牛逼模型更能引發(fā)面試官的共鳴。
通過實(shí)習(xí) = 秋招有優(yōu)勢(shì)。對(duì)于不少公司，你通過了它們的暑期實(shí)習(xí)面試，即使沒接offer，秋招也是有優(yōu)勢(shì)的，可以少面的幾輪的或者招聘還沒正式開始就私下約你面試。我了解到的是阿里可以直通終面，美團(tuán)可以少面1-2輪不等，騰訊和字節(jié)是招聘沒開始就私約面試。建議卷王們暑期實(shí)習(xí)也多多折騰一下，既可以鍛煉和積累經(jīng)驗(yàn)，又對(duì)秋招有好處。
暑期實(shí)習(xí) = 半個(gè)offer。公司通常都更愿意把坑留給組內(nèi)的實(shí)習(xí)生，所以暑期實(shí)習(xí)除了豐富簡(jiǎn)歷和增加秋招競(jìng)爭(zhēng)力以外，還等于你收獲半個(gè)offer。個(gè)人的體會(huì)是只要不犯大錯(cuò)，不刪庫跑路，mentor交代的東西也有踏踏實(shí)實(shí)的在做，通常有hc都會(huì)先留給你，大廠對(duì)實(shí)習(xí)生的預(yù)期沒有我們想象中那么高。身邊小伙伴暫時(shí)沒聽到轉(zhuǎn)正被刷的，然后開獎(jiǎng)幾乎也都給sp+。
導(dǎo)師不放實(shí)習(xí)，怎么辦。建議先盡力和導(dǎo)師溝通，讓導(dǎo)師了解實(shí)習(xí)對(duì)于秋招的重要性。如果碩士期間你一直勤勤懇懇、踏踏實(shí)實(shí)和已經(jīng)順利達(dá)到畢業(yè)條件，導(dǎo)師多數(shù)情況也會(huì)理解你。實(shí)在不行就只能給你們一個(gè)不那么好的建議，可以在盡可能保證自己能順利畢業(yè)的條件下開溜。首先是實(shí)習(xí)不需要全勤，通常一周只需要三天，有些甚至可以遠(yuǎn)程。然后大廠的研究型或者養(yǎng)老部門的算法崗實(shí)習(xí)生任務(wù)比較輕，不用擔(dān)心擠壓掉實(shí)驗(yàn)室的“科研”時(shí)間導(dǎo)致沒法交差。對(duì)于實(shí)驗(yàn)室不需要打卡的同學(xué)，時(shí)間可以卡極限一些，想辦法一周擠出三天去搬磚，市內(nèi)有急事來回頂多1小時(shí)。對(duì)于實(shí)驗(yàn)室要天天打卡的同學(xué)，就只能耐心點(diǎn)找遠(yuǎn)程實(shí)習(xí)了。
5. 基礎(chǔ)

5.1 機(jī)器/深度學(xué)習(xí)

ML本人的基礎(chǔ)相對(duì)薄弱一些，因?yàn)槲议_始學(xué)NLP的時(shí)候，已經(jīng)是DL年代了，當(dāng)時(shí)沒啥人搞傳統(tǒng)的機(jī)器學(xué)習(xí)方法，很多東西我都是匆匆茫?？焖俜艘槐?，沒深入的推導(dǎo)過。我這次面試的時(shí)候，也很少會(huì)被問到傳統(tǒng)的機(jī)器學(xué)習(xí)方法，印象中只有字節(jié)和阿里的廣告算法崗會(huì)問一些，每次都是問我LR相關(guān)的，搜+NLP崗位的面試幾乎是沒問過。我的感受是，只需要將李航老師的《統(tǒng)計(jì)學(xué)習(xí)方法》認(rèn)認(rèn)真真翻完一遍，再額外補(bǔ)充一些面經(jīng)常見問題就可以應(yīng)對(duì)秋招了。另外，我還看了推薦度挺高的葫蘆書《百面機(jī)器學(xué)習(xí)》，一本QA形式的書，里面的問題都非常的經(jīng)典，十分適合秋招復(fù)習(xí)。
DL的話，感覺沒什么好講的，只要你平時(shí)有認(rèn)認(rèn)真真搞過NLP相關(guān)的任務(wù)，這一部分肯定是難不倒的，都是問一些平時(shí)能夠接觸到的東西。我在復(fù)習(xí)的時(shí)候是看了邱錫朋老師的《神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)》，整個(gè)秋招體驗(yàn)下來，面試已經(jīng)是非常夠用了。
下面給大家羅列一些印象中我或小伙伴秋招會(huì)被問到的問題。

• SVM（原理）
  
• LR（為啥用sigmoid函數(shù)，交叉熵推導(dǎo)，MAE和MLP，反向傳播，歸一化，正則化）
  
• 降維算法（SVD和PCA）
  
• K-Means（手撕代碼實(shí)現(xiàn)）
  
• 決策樹（各種生成和剪枝方法）
  
• 集成學(xué)習(xí)（隨機(jī)森林、XGBoost、AdaBoost、GBDT）
  
• EM算法（原理）
  
• 過擬合（正則化、增加訓(xùn)練數(shù)據(jù)、數(shù)據(jù)增強(qiáng)、標(biāo)簽平滑、BatchNorm、Early-Stop、交叉驗(yàn)證、Dropout、Pre-trained、引入先驗(yàn)知識(shí)）
  
• 方差偏差分解（解釋什么是方差什么是偏差，公式推導(dǎo)）
  
• 正則化（L1和L2的會(huì)有啥現(xiàn)象、解釋原因、分別代表什么先驗(yàn)，bias要不要正則）
  
• 初始化（不同網(wǎng)絡(luò)初始化有啥區(qū)別，神經(jīng)網(wǎng)絡(luò)隱層可以全部初始化為0嗎）
  
• 激活函數(shù)（優(yōu)缺點(diǎn)，sigmoid、tanh、relu、gelu）
  
• 損失函數(shù)（用過哪些損失函數(shù)，為啥分類不用MSE）
  
• 信息論（信息熵、條件熵、聯(lián)合熵、相對(duì)熵、互信息的概念，交叉熵和KL散度區(qū)別）
  
• 歸一化（為什么要做歸一化，各種歸一化的區(qū)別和優(yōu)缺點(diǎn)，NLP為啥不用BatchNorm）
  
• 梯度消失（殘差、門控、sigmoid換relu、歸一化）
  
• 梯度爆炸（截?cái)啵?br />
• 優(yōu)化器（原理和演進(jìn)過程，SGD、AdaGrad、RMSprop、AdaDelta、Adam、AdamW）
  
• 顯存爆炸（重計(jì)算、梯度累加、混合精度訓(xùn)練、Adam換成SGD、多用inplace）
  
• 學(xué)習(xí)率（衰減、warmup、自適應(yīng)、平時(shí)自己使用的時(shí)候?qū)r有什么調(diào)整心得嗎）
  
• 樣本不均衡（降/過采樣和帶權(quán)重的loss）
  
• 數(shù)據(jù)預(yù)處理（離散特征和連續(xù)特征）
  
• 評(píng)價(jià)指標(biāo)（Acc、Precision、Recall、F1、ROC、AUC、代碼實(shí)現(xiàn)AUC）
  
• 神經(jīng)網(wǎng)絡(luò)（優(yōu)缺點(diǎn)、演進(jìn)和公式推導(dǎo)，lstm、cnn、transformer）
  
• OOV咋辦
  

5.2 NLP

NLP包括兩板塊，一個(gè)是通用的基礎(chǔ)（所有面試官都可能問）和你個(gè)人研究方向的基礎(chǔ)。
個(gè)人研究方向基礎(chǔ)沒啥好說的，比如你做生成，面試官就很可能讓你手寫beam search；做序列標(biāo)注的就可能讓你推viterbi解碼、HMM和CRF區(qū)別之類的；做文本匹配可能就問你雙塔和concat模型、CLS塌縮和對(duì)比學(xué)習(xí)之類的。這個(gè)需要大家根據(jù)自身的情況選擇性去復(fù)習(xí)。
通用NLP基礎(chǔ)我和小伙伴暫時(shí)能想起來的主要包括下面這些了。
經(jīng)典模型的原理和手?jǐn)]代碼
文本關(guān)鍵詞抽取（textrank和tf-idf）
詞向量模型（NNLM、word2vec和glove）
相對(duì)于NNLM，word2vec的改進(jìn)有哪些
哈夫曼樹的構(gòu)建方法，在NLP有啥應(yīng)用
hierarchical softmax和負(fù)采樣的原理和復(fù)雜度
負(fù)采樣的具體實(shí)現(xiàn)方法
word2vec和glove的區(qū)別
怎樣評(píng)估詞向量的質(zhì)量
選出當(dāng)前query和100萬個(gè)key詞向量相似度的TopK，復(fù)雜度盡可能低（faiss）
預(yù)訓(xùn)練發(fā)展
word2vec - glove - ELMo - GPT - BERT - others的演進(jìn)，每個(gè)模型分別解決什么問題
Transformer的細(xì)節(jié)

• 為什么要用多頭（多個(gè)空間學(xué)習(xí)多種pattern、降低注意力學(xué)習(xí)的風(fēng)險(xiǎn)）
  
• 為什么Q和K的映射矩陣不相同（關(guān)系對(duì)稱、容易得到單位矩陣）
  
• 為什么注意力權(quán)重要除
  

（防止梯度消失）

• 為什么用乘性注意力不用加性注意力（乘性計(jì)算量更??？）
  
• 為什么要有FFN模塊（增加模型的非線性能力）
  
• Transformer和BERT的位置編碼有啥區(qū)別（三角函數(shù)式和可學(xué)習(xí)向量）
  
• 殘差結(jié)構(gòu)及意義（防止梯度消失和網(wǎng)絡(luò)退化）
  
• 哪個(gè)block中更耗時(shí)，哪個(gè)更占顯存（序列短的時(shí)候FFN耗時(shí)，長(zhǎng)的時(shí)候MHA耗時(shí)；FFN更占顯存）
  
• transformer的LayerNorm有哪些（post-norm和pre-norm）
  
• 如何對(duì)pad進(jìn)行mask（將pad的attention_score加上-np.inf，過softmax后會(huì)變0）
  
• 怎樣解決曝光偏差（訓(xùn)練時(shí)以一定的概率用上一時(shí)刻的輸出、NAR、占位符生成、基于負(fù)梯度構(gòu)建對(duì)抗樣本）
  
• transformer加速（NAR，知識(shí)蒸餾、剪枝、動(dòng)態(tài)退出、稀疏注意力、線性注意力等）
  
• attention瓶頸（low rank，talking-head等）
  
• BERT的細(xì)節(jié)
  
• BERT怎么做分詞(Basic Tokenizer和WordPiece Tokenizer)
  
• WordPiece和BPE有啥區(qū)別
  
• BERT的兩個(gè)預(yù)訓(xùn)練任務(wù)分別有啥優(yōu)缺點(diǎn)，后續(xù)有啥改進(jìn)工作
  
• 為什么BERT要用自己學(xué)習(xí)的位置編碼（在訓(xùn)練充分的情況下，可學(xué)習(xí)的比三角函數(shù)式的的表示能力要更強(qiáng)）
  
• BERT的位置編碼有啥缺點(diǎn)，還有哪些位置編碼（絕對(duì)位置并不能很好的表示距離和方向，后面有相對(duì)位置編碼、復(fù)數(shù)位置編碼以及加入樹形的位置編碼等，參考tener，transformer-xl，t5，deberta，tupe和roformer等等）
  
• BERT的FFN為啥要用GeLU激活函數(shù)（非飽和區(qū)大同時(shí)非線性也
  更強(qiáng)？）
  
• BERT-Related-Works
  
• Prompt
  
• HuggingFace（有些面試官會(huì)直接讓你看源代碼解釋某一些模型核心代碼
  塊的具體作用，建議把BertModel給過一遍）
  

5.3 搜廣推

本人沒有搜廣推經(jīng)驗(yàn)，但是經(jīng)過一些師兄和脈脈了解到搜廣推是當(dāng)前非常好的算法賽道。因此，秋招刻意選幾家大廠的看家業(yè)務(wù)部門嘗試了一下，我投遞的依舊是NLP算法工程師，但面了后發(fā)現(xiàn)這些部門里面多數(shù)崗位幾乎都不是純純的NLP，會(huì)用到但不局限于NLP，更多的是排序和預(yù)估相關(guān)的工作。秋招剛開始的時(shí)候非常擔(dān)心沒優(yōu)勢(shì)，抱著無限火力+復(fù)活甲的心態(tài)在面，沒想到最后都很順利挺過去，也挺舒服。
大家應(yīng)該比較關(guān)心“校招生沒有搜廣推相關(guān)經(jīng)驗(yàn)，面試這些崗位會(huì)特別吃虧嗎”，這個(gè)問題我問過很多面試官，得到的回復(fù)大概都是“擁有搜廣推經(jīng)驗(yàn)的校招生是非常少的，他們也很想找，但是很難有人在學(xué)校就專門研究，不強(qiáng)求，NLP和這些崗位要求的能力有一定的重疊性和可遷移性，所以也非常歡迎厲害的NLPer投遞這些崗位”。
關(guān)于搜廣推的面經(jīng)，我大概只能一段話總結(jié)：NLPer面試這些崗位幾乎所有的時(shí)間都在聊你的論文、實(shí)習(xí)、項(xiàng)目和一些通用的DL/ML知識(shí)+一丟丟業(yè)務(wù)場(chǎng)景題，你做的東西被challenge的問題相對(duì)會(huì)少很多，面試翻車的概率感覺比NLP崗更低，面友們可以放心投。另外，如果你平時(shí)還學(xué)習(xí)過推薦和廣告系統(tǒng)，那么優(yōu)勢(shì)就非常明顯了，順便附上一位og寫的文章。
5.4 通用CS

計(jì)算機(jī)網(wǎng)絡(luò)、操作系統(tǒng)、計(jì)算機(jī)組成原理、數(shù)據(jù)庫和設(shè)計(jì)模式，這些我從來沒被問過。反而經(jīng)常會(huì)被問數(shù)據(jù)結(jié)構(gòu)和一些常用的搬磚工具，但是非常淺，這部分適當(dāng)瞄一眼就ok。

• 數(shù)組、鏈表、棧、隊(duì)列、堆
  
• list，array，vector，unordered_set，set，dict等數(shù)據(jù)結(jié)構(gòu)的底層怎么實(shí)現(xiàn)的
  
• 二叉樹、平衡樹、搜索樹和紅黑樹，各種樹的演變
  
• python裝飾器、深拷貝淺拷貝、垃圾回收機(jī)制
  
• shell、git、hadoop、spark
  

還有些面試官喜歡問一些偏概率和數(shù)學(xué)的東西，下面是一些常見的概率題，最好準(zhǔn)備一下。

• 用rand7構(gòu)造rand10
  
• 山羊汽車問題
  
• 木棍截成三段，形成三角形的概率
  
• 拋一個(gè)6面的骰子，連續(xù)拋直到6為止，問期望的拋的次數(shù)是多少
  
• 給定概率不均勻的0和1隨機(jī)生成器，怎樣等概率隨機(jī)生成0和1
  
• 三角形里面隨機(jī)選3個(gè)點(diǎn)，構(gòu)成銳角三角形的概率
  
• 兩個(gè)人輪流拋硬幣，規(guī)定第一個(gè)拋出正面的人可以吃蘋果，求先拋的人吃蘋果的概率
  
• 一副撲克牌，分成三堆，大小王出現(xiàn)在同一份的概率
  
• 在半徑為1的圓內(nèi)隨機(jī)等概率采樣一個(gè)點(diǎn)
  

6. 手撕代碼

6.1 刷題網(wǎng)站

• LeetBook：https://leetcode-cn.com/leetbook/
  
• 劍指Offer：https://leetcode-cn.com/problem-list/e8X3pBZi/
  
• Hot-100：https://leetcode-cn.com/problem-list/2cktkvj/
  
• Tag：https://leetcode-cn.com/problemset/all/
  
• Labuladong：labuladong 的算法小抄 :: labuladong的算法小抄
  
• LeetCode 101：https://github.com/changgyhub/leetcode_101
  
• CodeTop：https://codetop.cc/home
  

6.2 刷題經(jīng)歷

面試得分公式大概是“總分 = Sigmoid(手撕代碼) * 面試表現(xiàn)分”，手撕代碼更像面試表現(xiàn)分前面的門控系數(shù)，撕不出來大概率涼，所以要重視一下。我沒有參加過權(quán)威的coding比賽，也沒有系統(tǒng)刷過oj，是從基礎(chǔ)比較薄弱的菜 狀態(tài)下復(fù)習(xí)的，平時(shí)刷題會(huì)比較反胃，但是面試多數(shù)時(shí)候都覺得在牛刀殺雞。如果你學(xué)習(xí)能力和自制力都比較強(qiáng)，準(zhǔn)備2個(gè)月差不多可以搞定。另外，coding這東西不是一朝一夕可以鍛煉出來的，除了秋招要準(zhǔn)備外，平時(shí)也應(yīng)該多注意練習(xí)，最好每周參加一下周賽，每天也抽空寫一下每日一題，下面是我的刷題經(jīng)歷。

• 刷LeetBook入門。從簡(jiǎn)單的數(shù)組章節(jié)開始，逐步加大難度，往難的動(dòng)態(tài)規(guī)劃之類惡心人的算法上刷。LeetBook把題目都給歸類好了，刷題前也會(huì)介紹一些基本概念和常用的套路模版，方便沒系統(tǒng)學(xué)習(xí)過的面友們?nèi)腴T和鞏固。刷完LeetBook你的LeetCode榜大概就有100多道了，這時(shí)對(duì)各類算法問題都會(huì)有一個(gè)清晰的概念。有經(jīng)驗(yàn)的LeetCoder可以直接跳過這一步，或者選擇性刷某些章節(jié)。
  
• 重點(diǎn)刷劍指Offer和Hot-100。這上面的題面試出現(xiàn)的概率非常高，而且難度也適中，不惡心人。最好重復(fù)刷，確保這上面的題目出現(xiàn)你是能秒的。刷完這部分就可以開始甩簡(jiǎn)歷，難度一般都不會(huì)超出這個(gè)范圍。
  
• 選擇性刷Tag拓展知識(shí)面。例如蓄水池抽樣、拒絕采樣、數(shù)組差分、貪心、拓?fù)渑判蚝筒⒉榧鹊?。做到心里有?shù)就行，一般考察這類非劍指Offer和Hot-100的題目會(huì)非常baseline。
  
• CodeTop刷意向部門崗位的面試原題。通常面試都是約下午或晚上，當(dāng)天你會(huì)特別緊張，啥也不想干，這時(shí)候可以刷一下這個(gè)爆料網(wǎng)站的題目緩解一下，安慰自己手撕代碼準(zhǔn)備到萬無一失了，也可以保持下手感（雖然我每次面試遇到的都不是爆料的，可能投的太早了，好些題目是我爆料上去的，[裂開]）
  
• Labuladong和LeetCode 101是我秋招看的比較多的算法刷題總結(jié)，面友們可以瞅一下。
  

6.3 刷題心得

面試遇到?jīng)]見過的題盡可能先往暴力的方向想，先確保你自己能做出來，不要嫌棄想法過于傻逼和繁瑣就不說出來，沒準(zhǔn)就是這樣做的，寫出來一種方案總比啥都沒寫好。而且你想出了暴力寫法，面試官大概率會(huì)提醒你，讓你繼續(xù)優(yōu)化。甚至很多原創(chuàng)題目，你能寫出暴力的解法，面試官就通過了。遇到不會(huì)的題也不用太緊張，一般手撕代碼環(huán)節(jié)的題在代碼實(shí)現(xiàn)上都不會(huì)特別復(fù)雜，就是思路可能會(huì)繞，盡可能靜下心來思考分析，我有好幾次上來一看到題目就覺得要翻車，但最后都成功做出來了，要慢慢學(xué)會(huì)享受現(xiàn)場(chǎng)解題的刺激。
面試遇到見過的題目，不要上來直接無腦套最優(yōu)解。這樣不會(huì)加分，只會(huì)讓面試官覺得你剛做過原題，然后反手讓你證明算法的正確性或者再給你整一道難難的。最好走完一套流程，盡可能讓面試官覺得你現(xiàn)場(chǎng)是在思考的，先假裝在紙上寫寫畫畫，然后有思路了和面試官分析這類問題（不要說題目）應(yīng)該怎樣解決，通常用啥算法或模版優(yōu)化，最后再開始寫代碼。
語言可以直接用Python，沒有任何的限制，但是如果你本身非常擅長(zhǎng) c++，建議還是用c++刷，c++會(huì)有一定的印象分。沒時(shí)間復(fù)習(xí)c++也沒關(guān)系，對(duì)面試結(jié)果沒影響，好些次面試官都問我能不能寫c++，我都反向畫餅地說“本科肯定是用過的，但是最近兩年一直在用python，上一次用c艸還是保研機(jī)試，現(xiàn)在寫不了了，不過以后工作有需要撿起來也不會(huì)很難”。
如果僅僅只是想上岸秋招（無所謂亂殺和收不收割機(jī)），我覺得有劍指Offer+Hot100就已經(jīng)非常足夠。劍指Offer+Hot100以外的很多題目都非常長(zhǎng)尾，你整個(gè)秋招都不一定能遇到一次，不停地刷下去，性價(jià)比超低。如果搞完劍指Offer+Hot100后還有充足時(shí)間，建議你再復(fù)習(xí)一遍，因?yàn)檎娴某?jí)容易忘記和面試超級(jí)大概率是這上面的原題。
手撕代碼環(huán)節(jié)，我個(gè)人90%以上都只用寫核心代碼 + 面試官肉眼debug和人腦運(yùn)行。但是筆試環(huán)節(jié)是都需要自己構(gòu)建控制臺(tái)輸入，平常要注意練習(xí)一下，不要小看這小小的輸入環(huán)節(jié)，可以去牛客瀏覽下有多少人筆試是死在輸入邊界條件處理不對(duì)。
筆試是一個(gè)容易翻車的環(huán)節(jié)，筆試和面試的題目差異非常大，并且筆試會(huì)相對(duì)偏門和瑣碎一些，很容易出邊界錯(cuò)誤導(dǎo)致卡case，面友們可以到牛客網(wǎng)找一些企業(yè)真題體驗(yàn)一下。應(yīng)對(duì)筆試環(huán)節(jié)，像我這等菜 的建議是跳過它。首先是多數(shù)公司（字節(jié)，百度，京東和快手等）的提前批是無筆試的，大家只要抓緊時(shí)間，簡(jiǎn)歷盡早投就ok；其次還有一些公司（騰訊，阿里，美團(tuán)）是可以不看筆試的，直接找熟人遞簡(jiǎn)歷，看上你就會(huì)立馬發(fā)起面試，整個(gè)流程也會(huì)順暢很多。最后還有些公司的實(shí)習(xí)筆試可以順延（華為），只要你實(shí)習(xí)通過筆試，秋招不用重新弄，建議趁實(shí)習(xí)有空的時(shí)候也多折騰一下，既能鍛煉又有好處。
手撕代碼不一定每輪都有，有些輪次是不用寫題的，沒有也沒啥事，不代表面試官放棄你，我好多輪都沒有。其次，一般手撕代碼是在你面試流程的最后一環(huán)，如果你前面的項(xiàng)目和基礎(chǔ)part聊的特別開心，題目相應(yīng)也會(huì)簡(jiǎn)單一大截。為了手撕代碼更順利，前面要好好使勁。
6.4 面試題目

• 騰訊
  
• 無代碼考察
  
• 阿里
  
• 實(shí)現(xiàn)堆
  
• 蓄水池抽樣（數(shù)組抽1個(gè)、數(shù)據(jù)流抽1個(gè)、數(shù)據(jù)流抽k個(gè)、分布式數(shù)據(jù)流抽1個(gè)）
  
• 字節(jié)
  
• 數(shù)組找Top-K（實(shí)現(xiàn)堆 + 快速選擇）
  
• 二叉樹的最大路徑
  
• 代碼實(shí)現(xiàn)AUC
  
• 給定兩種沙漏，計(jì)時(shí)分別是3分鐘和5分鐘的，問兩種沙漏能表示7分鐘嗎；能表示任意分鐘嗎；求表示任意分鐘需要的最少沙漏數(shù)量
  
• 識(shí)別Python腳本的每行縮進(jìn)是否正確
  
• 美團(tuán)
  
• 旋轉(zhuǎn)數(shù)組找最小值（數(shù)字有重復(fù)）
  
• 用最少數(shù)量的箭引爆氣球
  
• 旋轉(zhuǎn)數(shù)組找target（數(shù)字有重復(fù)）
  
• 百度
  
• 給定序列的入進(jìn)棧順序，求出棧有幾種可能
  
• 括號(hào)生成（只有一種括號(hào)和有三種括號(hào)）
  
• 鏈表的歸并排序
  
• 京東
  
• 數(shù)組找Top-K（實(shí)現(xiàn)堆 + 快速選擇）
  
• 旋轉(zhuǎn)數(shù)組找target（無重復(fù)數(shù)字）
  
• 前綴樹
  
• 鏈表相交節(jié)點(diǎn)的個(gè)數(shù)（2個(gè)鏈表、N個(gè)鏈表和當(dāng)鏈表有環(huán)）
  
• 二叉樹的層序遍歷
  
• 華為
  
• 最長(zhǎng)有效括號(hào)
  
• 三數(shù)之和
  
• 拼多多
  
• 一個(gè)講不出來的特殊排序
  
• 中文分詞的前向算法
  
• 快速冪
  
• 快手
  
• 二叉樹的右視圖（非層序遍歷寫法）
  
• 給定一個(gè)升序數(shù)組，返回所有可能的二叉搜索樹
  
• 網(wǎng)易：
  
• 無代碼考察
  

7. 反問

反問環(huán)節(jié)通常都會(huì)有15-20分鐘左右，我基本都問下面幾個(gè)問題，面試官也都很樂于解答。大伙有啥特別想知道的都可以大大方方的問，但是盡可能要注意下用詞，禮貌一些。有些交叉面和加面沒有反問環(huán)節(jié)，因?yàn)槊嬖嚬俨皇悄忝嬖囆〗M的人，寫完題就結(jié)束面試。

• 小組大概是做什么的，業(yè)務(wù)方向、具體用到的技術(shù)棧和目前遇到的挑戰(zhàn)和瓶頸
  
• 小組成立多久、規(guī)模多少人、有哪些base、在公司定位以及資源傾斜、未來幾年發(fā)展規(guī)劃
  
• 怎樣培養(yǎng)新人，新人過去大概的上手流程是怎樣的，會(huì)有多長(zhǎng)的適應(yīng)期
  
• 小組內(nèi)的工作強(qiáng)度怎樣，每天大概幾點(diǎn)上班和幾點(diǎn)下班，周末加班嗎
  
• x老師，針對(duì)剛剛的面試表現(xiàn)，您覺得我還有哪些方面要再加強(qiáng)一下
  
• x老師，我最近比較有空，如果您覺得我還ok的話，可以盡快幫我排一下后面的流程
  

8. 其他

• 知識(shí)面寬更有利于面試，很少面試官會(huì)只抓住一個(gè)點(diǎn)狂問，除非你主動(dòng)說你精通某個(gè)東西，一般都是問的相對(duì)比較淺和比較寬，而且知識(shí)面寬也有助于業(yè)務(wù)場(chǎng)景題和臨場(chǎng)發(fā)揮。
  
• 大廠實(shí)習(xí)比頂會(huì)論文要更靠譜。兩者其實(shí)都可以幫你上岸，但明顯大廠實(shí)習(xí)要更穩(wěn)妥。頂會(huì)這個(gè)東西太玄學(xué)了，一年也投不了幾次，投出去也要等好幾個(gè)月，然后審稿又巨吃人品。相比之下，大廠實(shí)習(xí)的機(jī)會(huì)要多多了。如果你兩個(gè)都沒，建議優(yōu)先考慮大廠實(shí)習(xí)。
  
• NLP算法還沒到算法崗勸退帖子那么邪乎，動(dòng)不動(dòng)就bar要高到要會(huì)手寫xlnet、n篇頂會(huì)和n段實(shí)習(xí)，又或者算法崗已經(jīng)不招人啥的。我個(gè)人更傾向另一種觀點(diǎn)“不少部門算法崗其實(shí)都缺人，但是又招不到合適的人，有些連hc都發(fā)不出去”。至于NLP算法崗的bar，我感覺我在眾多NLPer里應(yīng)該還勉強(qiáng)可以算得上中等水平，能代表大多數(shù)人，可以參考一下。
  
• 在秋招開始前，焦慮是正常的，還沒有經(jīng)歷過，肯定會(huì)恐懼，經(jīng)歷過后你就會(huì)覺得其實(shí)也不過如此。不要讓焦慮過度影響自己，要學(xué)會(huì)享受和緩解焦慮，有空的時(shí)候多看一些面經(jīng)和總結(jié)。給面友們推薦卷王rumor大佬的面經(jīng)醬，可以直接wx訂閱各大平臺(tái)的NLP面經(jīng)。
  
• 避免尷尬，要預(yù)先準(zhǔn)備好臺(tái)詞去“舔”投的每家公司。因?yàn)閔r一定會(huì)問你為什么選擇xx公司。每家公司也確實(shí)都有讓人選擇的理由，可以從企業(yè)文化、平臺(tái)規(guī)模、業(yè)務(wù)方向和業(yè)務(wù)增長(zhǎng)空間、技術(shù)口碑、公司所在城市以及薪資待遇等等角度去分析。
  

本篇文章是我本次秋招的所見所聞和心得體會(huì)，個(gè)人能力有限，肯定有局限和理解不到位的地方。如果有表述不好或錯(cuò)誤的觀點(diǎn)，求各位大佬輕噴，我們可以在評(píng)論區(qū)或者私信多多交流。
最后，今年還在堅(jiān)持算法崗的面友們是真的挺有勇氣和挺不容易的，也該到收獲的季節(jié)了，我在這里祝愿大伙都可以順利收割各大意向公司的offer～
技術(shù)交流群

論文探討、算法交流、求職內(nèi)推、干貨分享、解惑答疑，與10000+來自港大、北大、騰訊、科大訊飛、阿里等開發(fā)者互動(dòng)學(xué)習(xí)。
想要技術(shù)交流群的同學(xué)，可以直接加微信號(hào)：mlc2060。加的時(shí)候備注一下：研究方向+學(xué)校/公司+知乎，即可。然后就可以拉你進(jìn)群了。
強(qiáng)烈推薦大家關(guān)注 @滬漂城哥知乎賬號(hào)，可以快速了解到最新優(yōu)質(zhì)文章。
精選文章

用通俗易懂的方式講解：NLP 這樣學(xué)習(xí)才是正確路線
保姆級(jí)教程，用PyTorch和BERT進(jìn)行文本分類
保姆級(jí)教程，用PyTorch和BERT進(jìn)行命名實(shí)體識(shí)別
一網(wǎng)打盡：14種預(yù)訓(xùn)練語言模型大匯總
盤點(diǎn)一下 Pretrain-Finetune（預(yù)訓(xùn)練+精調(diào)）四種類型的創(chuàng)新招式！
NLP中的數(shù)據(jù)增強(qiáng)方法！
總結(jié)！語義信息檢索中的預(yù)訓(xùn)練模型
深度梳理：實(shí)體關(guān)系抽取任務(wù)方法及SOTA模型總結(jié)！
【NLP】實(shí)體關(guān)系抽取綜述及相關(guān)頂會(huì)論文介紹
【深度總結(jié)】推薦算法中的這些特征工程技巧必須掌握！
12篇頂會(huì)論文，深度學(xué)習(xí)時(shí)間序列預(yù)測(cè)經(jīng)典方案匯總
一文梳理推薦系統(tǒng)中的特征交互排序模型
Meta AI提出PatchConvNet：利用基于注意力的聚合來增強(qiáng)卷積網(wǎng)絡(luò)
DeepMind加持的GNN框架正式開源！TensorFlow進(jìn)入圖神經(jīng)網(wǎng)絡(luò)時(shí)代
我今年89歲，剛剛拿了個(gè)物理學(xué)博士學(xué)位

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