腾讯自然语言处理面试问题

师兄在腾讯，就让师兄内推了一下腾讯自然语言处理的实习。在内推前，简单把李航的统计学习方法，简历涉及的知识点都过了一遍，整理了一下，同时leetcode刷了大概100题。 准备过后就把简历给师兄了。投完简历当天下午就收到了腾讯的短信约晚上面试（这也太效率了= =）。下面简单记录一些面试的问题（很多问题都是项目涉及的知识点，每个人可能都不一样）。

一面（技术面） 基本就是把简历过了一遍，问问一些项目上的细节。

1、先简单自我介绍一下吧。
2、看你之前实习过，说说当时实习都做了些啥。
3、介绍一下transformer吧，除了self-attention还知道哪些attention。
4、看你用了反向翻译，简单介绍一下吧，除了这个还知道哪些数据扩充的方法吗，每个方法有什么区别？
5、介绍一下R2L-Rerank吧。
6、讲一讲bert，roberta吧，BPE和word piece有什么区别？
7、介绍一下FGM。
8、介绍一下Focal loss。
9、python的迭代器和生成器。
10、算法题：打印二叉树从右边看能看到的节点。 一面还算顺利结束后第二天就接到了二面的电话。

二面（技术面） 基本也是把项目比赛过一遍，然后问一些细节。
1、简单介绍一下自己吧。
2、介绍一下AUC吧，和准确率有啥区别。
3、介绍一下F-score，Macro-F1和micro-F1有啥区别。
4、bert如果输入超过512怎么办。
5、那你介绍一下transformer-xl吧。
6、如果你自己训练输入长度为1024的bert，使用的显存会是原来的几倍。
7、你在投的论文做的是什么，介绍一下，看你是用fairseq框架写的，具体修改了哪些模块。
8、算法题：最长上升子序列。
9、用过单机多卡或者多机多卡训练吗？讲一讲。
10、你有什么要问我的吗？ 二面也比较顺利，第二天就接到了三面的电话。

三面（技术面） 我当时看面经别人都是两面，我居然有三面= = ，三面应该是一个leader面的。
1、之前实习是负责什么的，大概开发的流程是什么样的。
2、你做的这些项目是偏实验的的还是有一定的工业落地的，比如做了一个网站或者api等。
3、你们平常打比赛的时候，队伍是怎么合作的？
4、你做的项目里的公开数据集你知道是怎么采集的吗？它会不会有很多脏数据？这些脏数据对模型有什么影响？你是怎么处理它们的？
5、有看过模型的bad case吗？针对bad case做了哪些提升？
6、系统地介绍一下你研究的这个方向。最近你这个方向效果最好的论文是哪篇？它是怎么做的？
7、你有什么想问的吗？

三面没有算法题，感觉问的是一些方法论的东西。答得也还不错，没过几天就接到了HR的电话。 HR面 HR很亲切，面试体验很棒，上来先给我介绍了一下他们部门的一些发展历史和现在的情况，然后了解了一下我的实验室，实验室的研究方向，之前的实习情况，大概询问了可以入职的时间。整个面试下来感觉平时的积累很重要，之后有空了也准备把之前整理的资料慢慢写成博客。

责任编辑：xj

原文标题：腾讯自然语言处理实习面经

文章出处：【微信公众号：深度学习自然语言处理】欢迎添加关注！文章转载请注明出处。