哪里能找到比较全面的招聘信息？？？ 求告知 非常感谢！！！-大神指点，合肥有哪几家电路板制造厂
哪里能找到比较全面的招聘信息？？？ 求告知 非常感谢！！！
&&&&& 投稿日期：
哪里能找到比较全面的招聘信息？？？ 求告知 非常感谢！！！
去衡水生活圈，一定能找到适合你的工作的，他们那里的招聘信息都是核实过的，非常真实。防止被骗
5-05 19:10
所在区的劳动局的劳动大厅。
热心网友 5-05 19:09
找工作上哪个招聘网站比较好?哪个招聘网站比较全面?工作多?机会多?：
1.智联招聘 智联招聘面向大型公司和快速发展的中小企业,提供一站式专业人力资源服务,包括网络招聘、报...
哪里能找到比较全面的招聘信息??? 求告知 非常感谢!!!：
去衡水生活圈,一定能找到适合你的工作的,他们那里的招聘信息都是核实过的,非常真实。防止被骗
目前比较好的招聘平台有哪些?：
看你想找哪一类工作,是什么群体吧。 如果你学历在专科及以上:智联招聘【社招+校招都很多,回复快,大公...
有没有啥靠谱的招聘网站啊 应届毕业生想找合适的工作去哪个上面比较好：
你可以去应届生、酷方网、智联上面看看,但是应届生的界面略丑,智联的职位略多且有点杂,酷方网倒还不错,...
在哪里招聘服务员最好招?：
看你招聘什么级别的服务员,每个行业都有比较优秀的和不咋地的,对于招聘该要拿出一整套计划来才好,在现在...
招聘找工作哪个网站好：
58好些吧,个人感觉
有什么比较好的招聘网站?我到网上一搜全是找工作的,我想招员工的一个找不到郁闷!!：
你可以在智乐聘这个平台上免费发布招聘职位。 这个平台主要做制造业和互联网的职位,号召全国的SOHO猎...
做人事的,想找一款免费的招聘工具,哪里比较好：
你直接搜下分享小二APP,下载个看看吧,这个是专门的招聘正规平台,企业让他们招聘的不少,工作岗位也挺...
找工作去哪家招聘网站靠谱些?最好说明为什么?：
智联 前程无忧 我是HR 这两个比较规范
请问大家,前程无忧和智联招聘,找工作用哪个网站比较好?：
推荐前程无忧。智联一天到晚给我发垃圾邮件。 然后推荐题主尝试下新型的招聘网站和软件。BOSS直聘,酷...一览，致力于服务7000万专业技术人才！ 客服热线：1
经营管理类
经营管理类
前期开发类
前期开发类
工程管理类
工程管理类2018秋招机器学习/算法/数据挖掘面经（阿里/京东/拼多多/美丽联合/链家...） - 知乎专栏
{"debug":false,"apiRoot":"","paySDK":"/api/js","wechatConfigAPI":"/api/wechat/jssdkconfig","name":"production","instance":"column","tokens":{"X-XSRF-TOKEN":null,"X-UDID":null,"Authorization":"oauth c3cef7c66aa9e6a1e3160e20"}}
{"database":{"Post":{"":{"contributes":[{"sourceColumn":{"lastUpdated":,"description":"","permission":"COLUMN_PUBLIC","memberId":,"contributePermission":"COLUMN_PUBLIC","translatedCommentPermission":"all","canManage":true,"intro":"分享最有用的笔经面经","urlToken":"b-jing-m-jing","id":41083,"imagePath":"v2-a7c0cb2305.jpg","slug":"b-jing-m-jing","applyReason":"0","name":"笔经面经","title":"笔经面经","url":"/b-jing-m-jing","commentPermission":"COLUMN_ALL_CAN_COMMENT","canPost":true,"created":,"state":"COLUMN_NORMAL","followers":1960,"avatar":{"id":"v2-a7c0cb2305","template":"/{id}_{size}.jpg"},"activateAuthorRequested":false,"following":false,"imageUrl":"/v2-a7c0cb2305_l.jpg","articlesCount":32},"state":"accepted","targetPost":{"titleImage":"","lastUpdated":,"imagePath":"","permission":"ARTICLE_PUBLIC","topics":[,3084],"summary":"作者：crazyhoney链接： 职位：机器学习/数据挖掘算法工程师 在牛客网得到很多宝贵的面试经验 现我也来开帖，分享一下到目前为止的面试经验~~~ 本人会一直写到秋招结束，记录下参加的每场面试 如果回答上有什么错误，请不吝赐教哈！！…","copyPermission":"ARTICLE_COPYABLE","translatedCommentPermission":"all","likes":0,"origAuthorId":0,"publishedTime":"T14:10:28+08:00","sourceUrl":"","urlToken":,"id":3777296,"withContent":false,"slug":,"bigTitleImage":false,"title":"2018秋招机器学习/算法/数据挖掘面经（阿里/京东/拼多多/美丽联合/链家...）","url":"/p/","commentPermission":"ARTICLE_ALL_CAN_COMMENT","snapshotUrl":"","created":,"comments":0,"columnId":41083,"content":"","parentId":0,"state":"ARTICLE_PUBLISHED","imageUrl":"","author":{"bio":"程序员学习、备考、求职必备刷题神器","isFollowing":false,"hash":"b9e2346c17befe5d0fa109a9f1ab31b5","uid":457100,"isOrg":true,"slug":"niu-ke-wang-53","isFollowed":false,"description":"牛客网，一个程序员学习、备考、求职必备刷题神器，100万程序员都在使用。","name":"牛客网","profileUrl":"/org/niu-ke-wang-53","avatar":{"id":"v2-9bff95ecb58","template":"/{id}_{size}.jpg"},"isOrgWhiteList":true},"memberId":,"excerptTitle":"","voteType":"ARTICLE_VOTE_CLEAR"},"id":795496}],"title":"2018秋招机器学习/算法/数据挖掘面经（阿里/京东/拼多多/美丽联合/链家...）","author":"niu-ke-wang-53","content":"作者：crazyhoney链接：职位：机器学习/数据挖掘算法工程师
在牛客网得到很多宝贵的面试经验
现我也来开帖，分享一下到目前为止的面试经验~~~ 本人会一直写到秋招结束，记录下参加的每场面试 如果回答上有什么错误，请不吝赐教哈！！！ 谢谢~~~~ 目前内推面了：阿里、京东、拼多多、美丽联合、链家 目前校招面了： 据说可以攒人品~~~~~ 更新线- 14:06---------------------------------------------------------------------------
记录一下链家的面试，本来准备把几面都写完。但发现写完一面，有种精疲力尽的感觉。。。
这是我目前为止经历过时间最长的面试。约1个小时多一点点。
后面再写二面、三面吧。一面够长的了。
西安南雷村职业技术学院
---一个散养的没导师的硕。。。
以前玩大数据，现在玩机器学习，刚开始玩。
----------------------------------------------------------------------------------------------------------- -阿里菜鸟-机器学习-内推-1面-电话 没有自我介绍。。。直接略过。。。 1、讲一下你觉得你突出的地方，有亮点的地方。
说了SVM和LR 2、LR为什么用sigmoid函数。这个函数有什么优点和缺点？为什么不用其他函数？ 3、SVM原问题和对偶问题关系？ 4、KKT条件用哪些，完整描述 5、说项目 6、有一堆已经分好的词，如何去发现新的词？ 面试官给的提示：用这个词和左右词的关系。互信息 新词的左右比较丰富，有的老词的左右也比较丰富。还要区分出新词和老词。 7、L1正则为什么可以把系数压缩成0，坐标下降法的具体实现细节 8、spark原理 9、spark Executor memory 给16G
executor core 给2个。问每个core分配多少内存 面试官那边全程嘈杂，不知道在干啥，讨论问题？？
----------------------------------------------------------------------------------------------------------- -京东广告数据部-机器学习-内推1面-电话 1、自我介绍 2、说一下进程和线程
说一大堆，再就说之间的区别 3、线程安全的理解 4、有哪些线程安全的函数 5、数据库中主键、索引和外键。以及作用
一个表可以没有主键，可以有索引 6、说项目 7、Spark原理 8、Spark是多线程模式，怎么退化为多进程模式。 在每个executor core设置为1，即每个executor是单线程的。 9、撸代码。实现一个java迭代器
int[][] data = new int[][] {
new int[] {1,2,3,4},
new int[] {},
new int[] {5,6,7},
new int[] {8},
要求：遍历是跳过NULL。依次遍历每个元素：1,2,3,4,5,6,7,8
提示： hasNext里面不应该改变迭代器内部状态，hashNext只判断 next返回值，并且指向下一个有效元素。 P.S. 面试官很忙，在我写代码的时候。还在跟另一个候选人约时间~~~
----------------------------------------------------------------------------------------------------------- -京东广告数据部-机器学习-内推2面-电话 一面、二面连着玩~~~ 1、自我介绍 2、对于机器学习你都学了哪些？讲一个印象深的
说了SVM原理，拉格朗日法，对偶问题，以及好处。 3、SVM怎么防止过拟合 说了SVM里面的松弛变量。不知道对不对 4、我主动出击，有另一大类算法决策树，说不管是LR还是SVM都不能直观的感受到决策依据。而决策树易于理解，能够直观的感受到决策依据。 说了划分依据：信息增益（说了信息熵的来源，等概率时熵最大）、信息增益率、基尼系数。 说了划分方法（基于信息增益的） 说了C4.5比较ID3的优点。 5、决策树如何防止过拟合 剪枝，前剪枝和后剪枝。说了REP剪枝。C4.5是悲观剪枝 6、项目没问，说从上位面试官了解了。 7、撸代码 求连续子数组最大乘积，还让考虑边界问题（最后问了：连乘有可能导致溢出，存不下了）
-----------------------------------------------------------------------------------------------------------
-拼多多-算法-内推1面-电话 1、自我介绍
2、介绍项目
3、项目延展题：电商搜索框，每天有500W的搜索query。针对新来的一个query，给出和它最相似的100个query。
如果用RNN分类模型表征，那么向量不应该用最后一层的分类特征。应该用倒数第二层的更纯的特征。
现在假设500W的query已经是向量了。如何和这一个query比较。全部算距离不行，开销太大。
应该怎么办？？？4、K-means聚类个数选择，做什么样的试验来确定K
5、两个4G的文件（每个文件可能有重复），里面全都是数字。现有内存1G，求这两个文件的交集。
2个4G的文件，分别hash成10个子文件，一个400M。
把一个子文件存储到hash表中，作为key。遍历另一个文件，看这个数字是否存在于刚才的hash表中。存在即可输出。
-----------------------------------------------------------------------------------------------------------
-美丽联合-算法-内推1面-电话 1、自我介绍
2、介绍项目
3、说了SVM
4、为什么要把原问题转换为对偶问题？
因为原问题是凸二次规划问题，转换为对偶问题更加高效。
5、为什么求解对偶问题更加高效？
我答了，因为只用求解alpha系数，而alpha系数只有支持向量才非0，其他全部为0.
6、alpha系数有多少个？
我答了：样本点的个数
7、避免过拟合的方法
答了：决策树剪枝、L2正则和L1正则
8、为什么L1正则可以实现参数稀疏，而L2正则不可以？
答了：L1正则因为是绝对值形式，很多系数被压缩为0,。而L2正则是很多系数被压迫到接近于0，而不是0
9、为什么L1很多系数可以被压缩为0，L2是被压缩至接近于0？
答了：图像上，L1正则是正方形，L2正则是圆形。
L1正则的往往取到正方形顶点，即有很多参数为0
L2正则往往去不到圆形和参数线的交点，即很多分量被压缩到接近于0
哪位大佬知道哪里有L1、L2的实现代码？？？，求告知~~~~~~~ 10、问平时用啥语言比较多？
说了之前用java、scala多。现在用python较多。
11、问jvm 啥啥啥（没听清）。。。
12、python...直接问你个开发中的实际问题吧，如果写的程序跑的非常慢，多方面分析这个问题？
答了： 1、检查程序是否有多层嵌套循环，优化
2、检查程序是否有很耗时的操作，看能否优化为多线程并行执行
3、检查数据量是否非常大，考虑是否可以用分布式计算模型。
求大佬补充~~~~~~~~~~ 13、SQL中inner join 和outer join的区别？
14、试图给他说说SPARK，结果被严词拒绝（开玩笑的）。。。说时间紧迫，还是他来问吧。。。
15、Kmeans中，现在给你n个样本点不在欧式空间中，无法度量距离。现在给了一个函数F，可以衡量任意两个样本点的相似度。请问Kmeans如何操作？
答：想了一会，比如K=4的聚类。
1、首先，随机去4个点，作为初始类簇中心。
2、计算所有样本点与这4个点的F相似度。根据相似程度，把所有样本点分到4个类中。
3、在这4个类中，计算每一个样本点 i 到该类其他样本点的相似度和Si。取Si最大的那个点作为这个类的中心。
4、重复2、3步骤，直到类中心不再变化或者循环次数达到目标。
-----------------------------------------------------------------------------------------------------------
-链家-算法-内推1面-现场 来了之后先做1个小时的题，5道算法题 因为比较长，所以采用 A：面试官
B：本人 B 自我介绍
A 你自己学机器学习，怎么学的？
B 自己看书，周志华的西瓜书、机器学习实战。先找着撸代码，然后去深究里面的理论。
A西瓜书看到什么程度？
B刚开始看，看不太懂，然后就以机器学习实战为主，先照着撸代码，然后去西瓜书里深究里面的理论。
B我给您说说SVM吧，自学的时候留下很深的印象（试图抓住主动权~）
SVM是基于。。。说着手动起来写SVM的损失函数
A （打断）为什么样本点到决策面是 1/||w||
B 手推向量点到决策面的表达式（麻蛋，竟然一时紧张忘了。。。没推出来）
A 点到直线距离公式记得吧？
B 嗯嗯，又没写出来。只能说之前推过，现在一紧张忘了。。。
A 这个也无关紧要，继续
B 继续说SVM
A （打断）知道LR吧，知道LR和SVM有什么不同吗？
B 知道，首先这两个算法的分类思想不同，LR是基于概率推导的，SVM是基于最大化几何间隔的
A （打断）写一下，LR的损失函数
B 手写出来。其实这个sigmoid函数由那个什么族分布（真的忘了名字，其实是：指数族分布），加上二项分布导出来的。损失函数是由最大似然估计求出的。
A 怎么由最大似然估计导出的？推导一下
B 最大似然估计就是求让已知事件发生的概率最大的参数。
假设有5个样本，每一个的类别是yi，由LR计算出的概率是h(x)。那么每一个样本预测正确的概率为：
(H(x)^yi)*((1-h(x))^(1-yi)) ----
（刚开始一紧张，把h(x)和yi写反了）面试官说是这样吗？你这样全为0，我感觉你在背公式。。。你再看看
我一看，卧槽这竟然写错了。赶紧改过来，然后表明是自己紧张了。
概率连乘后，然后取对数就是LR的损失函数了。
A 为什么损失函数有个负号？
B 这是因为要应用梯度下降法，引入的。不加负号也可以，梯度上升法。这都是一样的。
A OK，继续，LR和SVM有什么区别？
B SVM决策面只由少量的支持向量决定，而LR的话是所有样本都会参与决策面的更新。
A 对，所以说SVM怎么样？
B SVM对于异常点不敏感，而LR敏感。SVM更加健壮，决策面不受非支持向量影响。
A 知道过拟合吧？
B 知道，在训练集表现好，在测试集表现一塌糊涂。举个例子就是：学生平时考试成绩非常棒，但一到实际应用就很烂。
A 说说常见的过拟合的解决办法
B 数据，样本不够，如果现在的训练集只是所有样本空间的一个小小的部分，那么这个模型的泛化能力就非常差（边画图，边说）
A 嗯嗯，还有呢
B 可以加正则项，L1，L2正则。L1还可以用来选择特征
A 为什么L1可以用来选择特征
B 因为L1的话会把某些不重要的特征压缩为0
A 为什么L1可以把某些特征压缩为0
B 因为（画图）L1约束是正方形的，经验损失最有可能和L1的正方形的顶点相交，L1比较有棱角。所以可以把某些特征压缩为0
A 还有什么过拟合的解决方法
B 神经网络中，dropout方法。就是每层网络的训练，随机的让一半神经元不工作。达到防止过拟合的目的
A 还有吗？
B 决策树中可以用剪枝操作。
B 决策树过拟合，可以用随机森林。。。
A 什么？？？现在一个决策树已经过拟合了，还要再以它为基准训练随机森林？
B 。。。对，你说的对。我想错了。。。
B 我就知道这些方法了。。。
A OK，挑一个项目给我说说吧
B 说项目（不记得中间有没有再提问了。。。）
B 要不我给您说说spark框架吧，之前还用的挺多。
A 嗯（看简历和笔试题中。。。）
B 开始说。。。说到三分之一
A 好了！ 你不必说了。（大手一挥~）我看你5道笔试题都没写思路，现在把第二题代码写出来
注： 第二题就是检测括号是否匹配
B 我写了啊。。。（给他翻到其中一个的背面）
A 哦，（迅速扫过代码，），为什要把字符压栈呢？不压栈也可以的。
B 是吗？{abc()}这样的也是合法的吗？
A 当然啊（看了一眼题。）
B 好吧，我本来也准备看到字符就丢到，不入栈。但担心这种情况不合法，就给入栈了。
A 嗯，第三题呢？
B 没思路，没写
A 给我说说第四题
第四题：10分钟内，恶意IP访问检测（10分钟内访问次数超过1024即为恶意访问）
B 这是10分钟动态检测的，需要时间刻度精确到秒吗？
B 把10分钟内的&ip,次数&存入hashmap, 再把key,value互换存入treemap。因为treemap是基于key有序的，升序。然后直接拿出来最后一个和1024比较。
A 怎么实现动态的检测，当前检测0-10分钟，那么第11分钟怎么办？
B 把0-10分钟的摘出来，从10分钟内的hashmap中减去，再把10-11分钟内的加上。
我知道这样实现起来，效率应该不高，但这一会我只想到了这个。。。
A 嗯，其实可以这样，把每分钟的分开存储，动态的向后移动，取这10个的总的数据就行。
甚至可以每分钟只存储TOP200的，然后10个分钟的汇总，取TOP1
B 嗯，明白了。
A 说说循环依赖这个怎么解决的？
第五题：系统有很多相互依赖的包，怎么检测循环依赖
B 把它当做一个链表。记录当前的名字在hashset中。如果某一次遍历的依赖名字存在于这个hashet中。就认为有循环依赖。
A 学过数据结构吧？学过图吧？给你一个有向图，怎么检测有环？
B 维护一个访问的数组，记录哪些点被访问过，从一点开始遍历，如果遍历的点被访问过，就说明有环
A 从哪个店开始遍历？
B 从入度为0的点开始遍历
A 如果有多个入度为0的点呢？
B 嗯。。。都要以它为入口开始遍历。
A show me the code!!!
（我内心是崩溃的。。。）
B 纠结了一会，又给他说了一遍思路。
A 嗯，好吧，我没有什么想问的了。你呢？
B 请问您说的这个图的这个应该怎么。。。算了，我还是下去自己看吧。。。我还是想知道怎么解决。。。
A 你说的对啊，就把思路给我讲了一下，和我的差不多。
B 贵公司这里机器学习、深度学习有什么应用场景呢？
A 房屋估价啊什么的。
B 好的，谢谢。再次感谢，离开。
","updated":"T06:10:28.000Z","canComment":false,"commentPermission":"anyone","commentCount":11,"collapsedCount":0,"likeCount":134,"state":"published","isLiked":false,"slug":"","isTitleImageFullScreen":false,"rating":"none","titleImage":"","links":{"comments":"/api/posts//comments"},"reviewers":[],"topics":[{"url":"/topic/","id":"","name":"校园招聘"},{"url":"/topic/","id":"","name":"面试经历"},{"url":"/topic/","id":"","name":"机器学习"}],"adminClosedComment":false,"titleImageSize":{"width":0,"height":0},"href":"/api/posts/","excerptTitle":"","column":{"slug":"b-jing-m-jing","name":"笔经面经"},"tipjarState":"inactivated","annotationAction":[],"sourceUrl":"","pageCommentsCount":11,"hasPublishingDraft":false,"snapshotUrl":"","publishedTime":"T14:10:28+08:00","url":"/p/","lastestLikers":[{"bio":null,"isFollowing":false,"hash":"e8c365bfffcb346c76838f9eeef4e147","uid":866800,"isOrg":false,"slug":"bo-luo-bao-23-72","isFollowed":false,"description":"","name":"菠萝包","profileUrl":"/people/bo-luo-bao-23-72","avatar":{"id":"1a13f815a60c29ff741c1d08e764a557","template":"/{id}_{size}.jpg"},"isOrgWhiteList":false},{"bio":"深度学习填坑中。。。","isFollowing":false,"hash":"2f3b17e4902eaafa9ab6f","uid":498800,"isOrg":false,"slug":"andyxiong-35","isFollowed":false,"description":"","name":"Andy Xiong","profileUrl":"/people/andyxiong-35","avatar":{"id":"v2-78602cdea0ba71bdc81b5ba","template":"/{id}_{size}.jpg"},"isOrgWhiteList":false},{"bio":"","isFollowing":false,"hash":"c2c38cb32ffcb4da0d865c34","uid":04,"isOrg":false,"slug":"peng-lee-90","isFollowed":false,"description":"","name":"Richard Lee","profileUrl":"/people/peng-lee-90","avatar":{"id":"da8e974dc","template":"/{id}_{size}.jpg"},"isOrgWhiteList":false},{"bio":"北理通信研究生","isFollowing":false,"hash":"fb8a8ffe9ba266a1ca4f9","uid":759600,"isOrg":false,"slug":"li-gang-34-33","isFollowed":false,"description":"","name":"李刚","profileUrl":"/people/li-gang-34-33","avatar":{"id":"da8e974dc","template":"/{id}_{size}.jpg"},"isOrgWhiteList":false},{"bio":null,"isFollowing":false,"hash":"f651ba350ab05b31174eeb00","uid":24,"isOrg":false,"slug":"james-just","isFollowed":false,"description":"","name":"james just","profileUrl":"/people/james-just","avatar":{"id":"da8e974dc","template":"/{id}_{size}.jpg"},"isOrgWhiteList":false}],"summary":"作者：crazyhoney链接： 职位：机器学习/数据挖掘算法工程师 在牛客网得到很多宝贵的面试经验 现我也来开帖，分享一下到目前为止的面试经验~~~ 本人会一直写到秋招结束，记录下参加的每场面试 如果回答上有什么错误，请不吝赐教哈！！…","reviewingCommentsCount":0,"meta":{"previous":{"isTitleImageFullScreen":false,"rating":"none","titleImage":"","links":{"comments":"/api/posts//comments"},"topics":[{"url":"/topic/","id":"","name":"阿里巴巴集团"},{"url":"/topic/","id":"","name":"校园招聘"},{"url":"/topic/","id":"","name":"面试经历"}],"adminClosedComment":false,"href":"/api/posts/","excerptTitle":"","author":{"bio":"程序员学习、备考、求职必备刷题神器","isFollowing":false,"hash":"b9e2346c17befe5d0fa109a9f1ab31b5","uid":457100,"isOrg":true,"slug":"niu-ke-wang-53","isFollowed":false,"description":"牛客网，一个程序员学习、备考、求职必备刷题神器，100万程序员都在使用。","name":"牛客网","profileUrl":"/org/niu-ke-wang-53","avatar":{"id":"v2-9bff95ecb58","template":"/{id}_{size}.jpg"},"isOrgWhiteList":true},"column":{"slug":"b-jing-m-jing","name":"笔经面经"},"content":"作者：什么情况？链接：一面: \t1. 你简历上有后台也有前端, 你想申请哪个岗位?\tjava后台\t2. 说说项目吧\t...\t3. 说说react吧\t噼里啪啦react, redux, flux, axios, fetch\t4. 项目什么语言写的\tpython\t5. 那你会java吗?\t会\t6. ArrayList, LinkedList\t...\t7. HashMap, TreeMap\t...\t8. 详细的说下JMM你所知道的全部\t...\t9. 你所知道的gc\t...\t10. IO, NIO\t...\tOK一面结束二面: \t1. 项目\t...\t2. 你部署在什么上面的?\t...\t3. 对Linux了解多少?\t了解不多\t4. top干什么的\t差点没答上来\t5. 怎么实现多线程有顺序的执行一段代码?\t(1) notify/wait (2)SingleThreadExecutor (3) 自己写框架, 实现add()和register(), 好扩展\t6. 什么时候毕业?\t...\tOK二面结束三面: \t1. 详细的说一下项目\t...\t2. Netty源码看过吗?\t...\t3. IO和NIO\t...\t4. Netty的整体架构\t...\t5. Netty用在什么地方?\t...\t6. 说到了MQ, 说说MQ吧\trabbit, kafka, active zero, rocket的比较\t7.你都动手写过吗?\t大部分\t8. 说说rabbit消息分发模式\t...\t9. 那为什么用Netty?\t好扩展, 写起来方便\t10. Netty高效的什么地方?\t开发高效, 在java体系里面的确速度算快, 但是放到erlang和go里面比可能没什么优势.\t11.为什么?\t高并发\t12. 那Netty在java体系里为什么高效?\t我知道可能你要的答案是NIO, 零拷贝, 内存池, 责任链等等, 但是NIO(算java或者底下epoll的, 不能算netty的), 零拷贝(引用, 大家都可以做到), 责任链(肯定一个类更快, 这应该属于扩展高效), 内存池(这个是真正Netty自己的优点). \t13. 强一致性, 弱一致性, 最终一致性\t...\t14. 分布式幂等性实现\t...\t15. 你项目中用到了哪些中间件?\t...\t16. zk的一致性\t...\t17etcd呢?\t...\t18. 你这些东西都是怎么学的? 就看书吗?\t...\t19. 哪里人?\t...\tOK三面结束四面: \t1. IO, NIO\t...\t2. Netty零拷贝, 怎么实现?\t(没答好, 完全讲错了)\t3. Netty源码看了多少?\t...\t4. 那好, 接下来是一个场景题, 前端发送请求过来, 你怎么异步处理, 详细到每一步. (我题目没理解)\t(没理解, 题目不是这样的, 我只能理解到这里)\t5. 我给你拆开来吧, 首先假设是个秒杀(其实这个是我说的, 能不能理解成秒杀, 面试官说也可以), reuest放哪里?\tblockingQueue\t6. 那你这个是一个异步处理, 你怎么把正确的数据返回给正确的用户?\t(不是很理解)\t7. 我提醒你一下吧, 用什么数据结构? \tHashMap, 准确点的讲是ConcurrentHashMap(这下对了)\t8. 那好, 第三步, 线程间的挂起怎么实现?\twait/notify?\t9. 这个可以是可以的, 但合适吗?\t这么说应该是不合适的\t10. Phaser知道吗? 为什么不用Phaser?\t(没答好, 应该说完全没想到)\t11. 好了, 我上面说的所有东西Netty里面都有的, 你说一下吧\tChannelGroup我知道是对应的ConcurrentHashMap\t12. 好吧, 说说CountdownLatch吧\t(这个时候脑子混混的, 说成了Barrier, 真要命了)\t13. 你说的不对, 应该是这样的: ...\t...\t14. 你还会什么?\t...\t15. 说说zk一般用在什么地方吧\t...\t16. 说一下zk实现分布式锁的方式吧\t...\t17. 你好好理一理, 你还是有一点乱的\t(对的, 我也是这么觉得的, 回去马上又好好看了看)\tOK四面结束五面: \t这轮线下面\t1. 简单介绍下自己吧\t...\t2. 简单说下项目吧\t...\t3.什么语言写的?\tpython\t4. 用了什么库?\t...\t5. 对机器学习了解多少?\t不多\t6. 你为什么不用python里面的库解决你的问题?\t我要拆了重写, 那些解决不了\t7. 说说机器学习还有用在什么地方?\t...\t8. 你为什么用python?\t...\t9. 你自己写的算法自己做过测试吗? \t简单测试\t10. 会安卓吗?\t不会\t11. 会Swing吗?\t不会\t12. 会web吗?\t会\t13. 简单说下Spring的IOC和AOP吧\t...\t14. 好了, 现在没有Spring了, 你来实现IOC, 详细一点, 每一步用什么数据结构, 存什么\t...\t15. map的key存name有问题吗?\t(好像不能用类来找)\t16. value存什么?\tclass\t17. 那我要实例怎么办?\tforName\t18. 单例多例分别怎么解决?\t...\t19. 内存泄露要考虑吗, 或者说怎么考虑生命周期和引用\t...\t20. 好了, AOP怎么实现?\t接口jdk, 没接口cglib\t21.没cglib, 只有jdk\t那还是继承\t22. jvm了解吗\t恩\t23. JMM\t...\t24. gc, 说说有什么算法\t...\t25. CMS用在哪里, 为什么叫CMS\t(一开始答错了, 后来才说出来C代表concurrent)\t26. G1听过吗?\t恩\t27. G1怎么个情况, 解决什么问题?\t...\t28. cpp的对标解决方案是什么?\t说了个delete/free, smart point忘了, 这里没答好\t29. 说说Netty的结构吧\t...\t30. 多线程前面好像都问过了, 我就不问了\t谢谢大佬\t31. 说下四种引用\t...\t32. final, finalize, finally\t...\t33. 重点说下幽灵引用和finalize, 什么时候用? 为什么用?\t(基本没答上来, 我的理解是少用, 或者自己不要用)\t34. 为什么要学Netty?\t...\t35. 你说你撇过mina, 为什么想到去瞥一眼?\t...\t36. 哪里人?\t...\tOK五面结束六面: \thr大佬+总监大佬\t1. 要喝水吗?\t...\t2. 简单介绍一下自己吧\t...\t3. ioc aop\t...\t(基本就随意问问, 好把我简历调出来)\t4. 写算法把, 一个ip怎么转成一个int\t这个不难\t5. 去国外这么三年值吗?\t...\t6. 压力大吗?\t我不大, 我看别人大\t7. 我看看压力也不大啊\t我也觉得还好\t8. 好吧, 给你一到场景题, 现在的外卖这么流行, 你来设计吧, 从物流的角度映射到具体用什么算法(这道题奖励将近快半小时)\t...\t9. 未来什么打算, 职业规划\t...","state":"published","sourceUrl":"","pageCommentsCount":0,"canComment":false,"snapshotUrl":"","slug":,"publishedTime":"T13:56:12+08:00","url":"/p/","title":"阿里巴巴六面面经","summary":"作者：什么情况？ 链接： 一面: \t1. 你简历上有后台也有前端, 你想申请哪个岗位? \tjava后台 \t2. 说说项目吧 \t... \t3. 说说react吧 \t噼里啪啦react, redux, flux, axios, fetch \t4. 项目什么语言写的 \tpython \t5. 那你会java吗? \t会 \t6.…","reviewingCommentsCount":0,"meta":{"previous":null,"next":null},"commentPermission":"anyone","commentsCount":27,"likesCount":74},"next":{"isTitleImageFullScreen":false,"rating":"none","titleImage":"","links":{"comments":"/api/posts//comments"},"topics":[{"url":"/topic/","id":"","name":"校园招聘"},{"url":"/topic/","id":"","name":"面试经历"},{"url":"/topic/","id":"","name":"程序员"}],"adminClosedComment":false,"href":"/api/posts/","excerptTitle":"","author":{"bio":"程序员学习、备考、求职必备刷题神器","isFollowing":false,"hash":"b9e2346c17befe5d0fa109a9f1ab31b5","uid":457100,"isOrg":true,"slug":"niu-ke-wang-53","isFollowed":false,"description":"牛客网，一个程序员学习、备考、求职必备刷题神器，100万程序员都在使用。","name":"牛客网","profileUrl":"/org/niu-ke-wang-53","avatar":{"id":"v2-9bff95ecb58","template":"/{id}_{size}.jpg"},"isOrgWhiteList":true},"column":{"slug":"b-jing-m-jing","name":"笔经面经"},"content":"作者：Good_job12138链接：来源：牛客网目前面了和正在面的，包括挂了，没信儿，通过的，面了整整一个月了，有点面不动了，秋招要开始了，我这边可能需要先休息休息了。。。 男票很早就让我写个面经总结一下，无奈自己有点懒。。。今天有点无聊，就准备回报一下牛客，不得不说牛客里面大佬很多呀，我只是一个很软的软妹子，并没有大佬们那么厉害，只是准备的比较早。实验室东西做的不好，虽然导师帮实验室的其他童鞋内推了实验室相关领域的公司，没有帮我内推，我表示很羡慕，毕竟那样会容易很多。但是还是不希望继续做这个方向了，因为找工作的时候就发现了，可去的公司不多，所以也就无所谓了，希望可以通过自己的努力在喜欢的方向找一个喜欢的公司。本人没有远大抱负，只是希望每个地方都找一个相对满意的offer，然后男票去哪里我就去哪里，嘻嘻。 阿里面了7面（4面技术+交叉+HR+主管），然后没信了。百度大商业（2面技术+经理面），然后挂了。百度IDL（2面技术），然后挂了。腾讯实习的时候面的有点伤心，秋招可能不太想面了。科大讯飞（2面技术+一面综合），然后拿到offer了（合肥）。秒针（2面技术+HR），然后拿到offer了（北京）。拼多多（7月去公司面的，现场笔试+两面技术+HR），然后拿到offer了（上海）。美团今天下午一面的，然后6点多让7点二面，但是我当时在外面就改到周末了。360等面试通知。携程内推测评过了然后一直没面到我。美图周六面。招行网银科技终面估计9月末才能面吧，招行卡中心因为比赛获得了终面估计也要9月中旬面。好像还有一堆没信儿的。。。 阿里（每一面除了HR都是1个小时）： 一二三面都是先介绍项目，然后在线写代码，然后基础知识，神马机器学习，深度学习啥的，有点记不住了，毕竟一个月了。 一面快排、洗牌。二面在字符串中删除字典有的字符。三面topk。 四面项目和项目中细节，海量数据处理啊a,b文件中相同的url。其他一些都是说到什么问什么。
交叉没啥特殊的，搜素部门的主管面的，问的是项目和一些基础知识
HR一些经典问题，为啥来阿里，有啥社团经历balabala...
主管面问了问项目 百度（每面1小时）
两个百度也是前两面都是在线写算法，而且蜜汁相像，都是二维矩阵的问题，0/1矩阵的，求路径的，求最大矩形的。。。IDL问的项目超级详细，以至于我都问蒙圈了，我是做深度学习的，问卷积的计算方式，卷积反向传播过程，每层优化参数，优化方法，。大商业全程觉得答的挺好的，但是也挂了，估计是因为二面问了一个问题，如何快速的求1亿张图像中相似的图片，包括今天美团也问到了，觉得答得并不好。大佬们，评论区求解答~
拼多多（都是在公司完成的） 笔试4道算法+2道问答 一面二面都是就笔试的题问的，还有一些拓展算法。记得有顺时针打印数组，合并区间，类似旋转数组找数（开始增，最后减，中间不定），LINUX Ctrl+c的执行过程（这个也求解答，觉得自己打的不好，没搜到合理的答案）
面完第三天给的口头offer， 貌似9月份给正式的
科大讯飞（一面是北京的研究院，二面是合肥研究院，三面是副院长）
因为我觉得在北京少于25有点生活不下去，想申请合肥这边，可以考虑过去，两年之后去苏州。
一面项目，二面其实和一面类似，然后加了一个算法，不过是口头的，链表找环。
三面就是聊聊家常和个人意向，想做图文方向，不想再做纯图像了，什么图像复原，超分辨，用的真的太少了。
秒针特别放松的面试环境，觉得工作环境应该也是一样的，不会压抑，关键是工资高还不加班。
本来这个公司是所有技术岗都叫研发，是你进去了，根据你的面试表现和你擅长的方向，再选择部门的，也是有机器学习，大数据，分布式什么的，但是我的简历写的是算法工程师，所以面试官问我你擅长算法呀，我就说还好，比开发擅长，他说那就直接写代码啦，然后写了三道：找数组中第k小的数，LCS，0/1背包。然后还是问了开发的东西，内存分配，内存池，进程内存空间什么的，真的不太会。
二面机器学习算法 SVM 核函数 kmeans 决策树 深度学习框架 网络结构
三面HR 也是一些通常的问题 对你影响最大的人 介不介意和男票一起来（完全不介意，觉得更好呀）
周一拿到offer 比较满意 ，不过还是因为开发薄弱影响了薪资，但觉得应该够在北京租房子了，买是有点够呛，不 ，是不可能！ 其他的还在面，主要想再面一波银行就得准备毕业论文了，要毕不了业了，全是泪呀 写了一个小时。。。。希望大家都能得到想要的结果，还有就是，自己的感受：别人看来最好的，对你来说可能不那么重要，重要的是对你来说是否合适，借用同学一句话：人无远虑，必有近忧。不要因为别人有的你没有而不开心，有再多，终究还是只能选择一个。点击查看--& ","state":"published","sourceUrl":"","pageCommentsCount":0,"canComment":false,"snapshotUrl":"","slug":,"publishedTime":"T16:12:44+08:00","url":"/p/","title":"女大佬阿里7面，百度3面，拼多多，秒针等公司的面经","summary":"作者：Good_job12138 链接： 来源：牛客网 目前面了和正在面的，包括挂了，没信儿，通过的，面了整整一个月了，有点面不动了，秋招要开始了，我这边可能需要先休息休息了。。。 男票很早就让我写个面经总结一下，无奈自己有点懒。。。…","reviewingCommentsCount":0,"meta":{"previous":null,"next":null},"commentPermission":"anyone","commentsCount":24,"likesCount":56}},"annotationDetail":null,"commentsCount":11,"likesCount":134,"FULLINFO":true}},"User":{"niu-ke-wang-53":{"isFollowed":false,"name":"牛客网","headline":"牛客网，一个程序员学习、备考、求职必备刷题神器，100万程序员都在使用。","avatarUrl":"/v2-9bff95ecb58_s.jpg","isFollowing":false,"type":"org","slug":"niu-ke-wang-53","bio":"程序员学习、备考、求职必备刷题神器","hash":"b9e2346c17befe5d0fa109a9f1ab31b5","uid":457100,"isOrg":true,"description":"牛客网，一个程序员学习、备考、求职必备刷题神器，100万程序员都在使用。","profileUrl":"/org/niu-ke-wang-53","avatar":{"id":"v2-9bff95ecb58","template":"/{id}_{size}.jpg"},"isOrgWhiteList":true,"badge":{"identity":null,"bestAnswerer":null}}},"Comment":{},"favlists":{}},"me":{},"global":{},"columns":{"next":{},"b-jing-m-jing":{"following":false,"canManage":false,"href":"/api/columns/b-jing-m-jing","name":"笔经面经","creator":{"slug":"niu-ke-wang-53"},"url":"/b-jing-m-jing","slug":"b-jing-m-jing","avatar":{"id":"v2-a7c0cb2305","template":"/{id}_{size}.jpg"}}},"columnPosts":{},"columnSettings":{"colomnAuthor":[],"uploadAvatarDetails":"","contributeRequests":[],"contributeRequestsTotalCount":0,"inviteAuthor":""},"postComments":{},"postReviewComments":{"comments":[],"newComments":[],"hasMore":true},"favlistsByUser":{},"favlistRelations":{},"promotions":{},"switches":{"couldAddVideo":false},"draft":{"titleImage":"","titleImageSize":{},"isTitleImageFullScreen":false,"canTitleImageFullScreen":false,"title":"","titleImageUploading":false,"error":"","content":"","draftLoading":false,"globalLoading":false,"pendingVideo":{"resource":null,"error":null}},"drafts":{"draftsList":[],"next":{}},"config":{"userNotBindPhoneTipString":{}},"recommendPosts":{"articleRecommendations":[],"columnRecommendations":[]},"env":{"isAppView":false,"appViewConfig":{"content_padding_top":128,"content_padding_bottom":56,"content_padding_left":16,"content_padding_right":16,"title_font_size":22,"body_font_size":16,"is_dark_theme":false,"can_auto_load_image":true,"app_info":"OS=iOS"},"isApp":false},"sys":{}}