作者DrTech (竹科管理处网军研发人员)
看板Soft_Job
标题[心得] 中国自然语言NLP 面试心得
时间Sun Aug 11 11:53:12 2019
以下为本人今年 2019 4月到6月之间。
在中国面试的一些经历。
稍微整理一下,让大家看一下现况。
-------------------------
1. QQ 浏览器 - 全网知识图谱 搜索问答
电话面试
word2vec 演算法细节,fasttext 演算法细节。
fasttext 相较於word2vec 的改进方法。
大量的 Char n-gram 如何存。
知识图谱抽取过程,实体识别(NER),关系抽取(Relation Extract)。
关系抽取如何远程监督学习(Distance Supervised Learning)。
对於知识图谱建立还是问答系统比较有兴趣。
多任务词槽填空细节,意图识别方法。
2. 百度 国际化输入法 - 自然语言处理
Round 1: 电话面试
lstm 演算法与数学细节
训练时 Batch size 如果决定
Rnn lstm gru 数学与参数量 比较。
Word2vec 演算法细节
Transformer 的 multi-head 目的,怎麽做。
公式的 Q,K,V 什麽意义,怎麽算出来。
Multi-head 的输出怎麽算出来
两个字串编辑距离演算法
Round 2: 现场面试,白板题
CRF HMM 两种模型差异
如何 训练 HMM
SVM 与 LR 差别在哪,从loss function 角度来思考。
给定一个排序後阵列 ,取 sum 为 n 的所有组合。
3. Lazada 数据科学家
Round 1: 电话面试
实体抽取模型细节
候选答案排序的权重计算
Attention 机制原理
有没有使用过预训练模型,BERT 懂不懂
Transformer 优点在哪
Round 2: 视讯面试
知识图谱的建立,Entity 的属性怎麽订,有哪些类型的 Entity
台湾跳到中国的原因,现在换工作原因,怎麽没考虑内转
对 Lazada 公司的了解,怎麽没找竞争公司 虾皮。
过去做的各种项目细节,有什麽改进的空间
项目为什麽用了 Transformer
导购机器人从无到有会怎麽做
没语料又要做个性化标签要怎麽做 怎麽规模化
(被反驳经验不足:从无到有做导购, 不要马上想做个性化,应该先做通用型的)
一周写多少程式,最近写了什麽程式
Binary search 怎麽做,计算复杂度。
分词演算法,最大长度匹配 。
小语种 NLP 处理经验
4. 字节跳动 Lark 自然语言处理
面试方式: 视讯 (ZOOM)
如何整理问答语料
如何验证问答结果正确性
如何做对话状态追踪 是用什麽方法
文本分类的词向量如何转成句子向量
深度学习过拟合解决方法
为什麽dropout 可以解决过拟合
问答要做成各性化推荐怎麽做
质疑以往的各种项目业务价值不清楚。
质疑原公司团队的技术分工不合理。
5. 阿里 无人车(小度车载OS) 自然语言处理
Round1: 现场面试,白板题
如何技术问答系统
用户意图不明,模糊语意下的各种处理方式。
用户意图不明时,多轮问答怎麽做。
Round2: 现场面试,有点像是批判性压力测试。
叫你画出 以往项目的各种系统架构。
开始对你的架构进行各方面的批评,并问你该怎麽改进。
准确率招回率如何提升。
总觉得对方一直在没有目的的跳针,抓不到对方要的东西。
於是反问:你们需要怎样的人。
对方: 我们需要的是,问答的回答不是用户想要的情况。
要从架构的角度提出统一解,而不是修修补补的提出各种 Trick 解决片面问题。
Round3: 主管面
双方确认彼此工作内容,双方确认加班强度。
双方交流车载系统现在市场现况,推行时的一些困难。
------------------
其他小公司就不说了,蛮杂乱的。
自己最後去的也跟以上无关,转个方向去做推荐系统了。
职场观察1: JD 挂羊头买狗肉的行为很多。
简历刊登母公司,结果面试子公司。
招聘单位挂美国上市的趣头条,结果打电话过来是母公司 InnoTech。
招聘单位是挂 阿里,结果打电话过来是 新加坡 Lazada。
招聘单位是 TCL 深圳,结果打电话过来是要人去香港。
招聘单位是 微软 上海,结果要人去苏州工作(年薪还不高)。
职场观察2: 中国的国际化
中国内部市场竞争激烈,许多大厂的新业务都是在海外了
尤其是东南亚(因为打不进欧美)
只要是打着国际化业务,大概都是东南亚或中东业务居多。
观察3: 没有爽的工作
没有高薪(税前百万以上)、有名气(五百强,万人互联网公司),又能准时下班的。
抱歉,混了多年都没遇到过。工程师正常都是 995 起跳,早回家就是反应在绩效。
外商或许工时正常点? 但是薪资真的没遇过相对高的。
(例如 Amazon,微软 谈过 工程师薪资也就一般)
自己待改善:
平时晚上都没有很认真准备面试,很多基本演算法与数学都忘了细节。
Leetcode 没在定期做,常常题目看过,大致知道怎麽做,但写得不顺。
机器学习,常常业务目标不同,做法会完全不同,
双方没意识此问题,会很难展示专业匹配程度。
---------------------
以上
※ 编辑: DrTech (27.44.120.163 中国), 08/11/2019 11:55:48
1F:推 yamakazi: 税前百万人民币在中国一线公司也算是中层管理人员的薪水 08/11 11:55
2F:→ yamakazi: 了吧 08/11 11:55
3F:→ DrTech: 资深工程师,还是有机会到百万的。看个人背景。 08/11 11:56
4F:→ DrTech: 不一定要管理职缺打绩效那种,才有机会百万。 08/11 11:57
5F:→ loadingN: 爽的都在国企 08/11 11:57
6F:→ DrTech: 国企也分蛮多种的。之前有个做ATM的国企,也是到谈薪水 08/11 11:58
7F:→ DrTech: 才发现,双方薪资期望差太多。浪费不少时间面试。 08/11 11:59
8F:→ DrTech: 年薪不到50万。国企通常很难谈高薪是真的。 08/11 11:59
9F:推 chter: 阅 08/11 12:06
10F:推 BeardSmallGG: 推 08/11 12:29
11F:→ MOONY135: 现在大陆这样 不是过去的好时机点吧 08/11 13:28
12F:推 ouryouth: 感谢经验 对nlp有兴趣 08/11 13:50
13F:→ oopFoo: 推,涨见识了 08/11 20:27
14F:推 descent: 感谢分享 08/11 21:18
15F:→ hanyi0923: 那边工时真的很长QQ 08/11 21:18
16F:→ cliffk321: 在大陆年薪百万人民币通常都是管理层了,By the way我 08/11 23:53
17F:→ cliffk321: 现在在微软苏州知识图谱,年薪百万台币还是挺容易的 08/11 23:53
18F:推 atpx: 很有意思, 推分享 08/12 00:29
19F:→ atpx: 原po在台湾就是年薪2百等级了, 只百万台币没必要去对岸 08/12 00:30
20F:→ Murasaki0110: ms台湾刚毕业就破百了...对岸有这麽惨? 08/12 01:55
21F:→ DrTech: 可能看部门吧。MS 苏州,Azure ML support , 最近在电话一 08/12 08:13
22F:→ DrTech: 面的时候,明确说明该职缺 面得好的活,年薪55万RMB,不能 08/12 08:13
23F:→ DrTech: 再高了。 08/12 08:13
24F:→ cliffk321: 趁机来给大家科普一下,MS应届生的价格去年是31w人民币 08/12 09:09
25F:→ cliffk321: ,等级是SDE,原po大概是被归在SDE2这个Level,MS到sen 08/12 09:09
26F:→ cliffk321: ior比较困难,我有个同事美国谷歌回来才被归到senior。 08/12 09:09
27F:→ cliffk321: 最後,我还没毕业,但看今年的形式我能拿到的包应该是 08/12 09:09
28F:→ cliffk321: 大於31万的。对有工作经历的人来说目前来大陆可能不是 08/12 09:09
29F:→ cliffk321: 件好事,因为目前的大陆软体人才很多,原Po的面试内容 08/12 09:09
30F:→ cliffk321: 跟应届生其实差不多,很难拿到想要的薪资。之後我也发 08/12 09:10
31F:→ cliffk321: 一篇最近在大陆校招的文章给大家分享。 08/12 09:10
32F:推 gbd37: 长知识 08/12 09:37
33F:推 del680202: 我同事今年才被中国挖去 total package 200万人民币... 08/12 09:43
34F:推 aszx4510: 推 感谢分享 08/12 11:14
35F:推 oopFoo: 感觉两岸薪水差距越来越大 08/12 21:04
36F:→ Toyzer: ㄌ 08/12 21:40
37F:→ elements: ms 升 senior 不难阿,但大概也不大包就是了 08/13 01:41
38F:→ previa: del680202 是哪家公司? 08/13 12:09
39F:推 RadiationXen: 推分享 08/14 12:27
40F:推 eopXD: 推 感谢分享 08/14 17:35
41F:推 siriusu: 推 09/10 22:48
42F:推 siriusu: 也感谢 cliff 分享 09/10 22:50