面经 | NLP算法岗（微软）

「新鲜出炉」的微软面经来咯！

接住！

面试体验

a. 此次面试的内容基本是围绕主流nlp模型和基础的模型知识展开的，算法题是leetcode上的简单与中等；

b. 简历上自己的研究/项目部分会问一些具体细节，笔者简历上写了自己发表过的论文，被面试官追着问了好久，提示大家要记得好好准备；

c. 校招，两轮面试一天完成✅，面试体验良好✌️。

一面（60分钟）

• 自我介绍以及research的介绍
• 介绍自己的研究方向以及近期的工作（非常细致！！）
• Transformer结构讲解
• BERT、ELMO的结构差异
• 代码1: 数组的前k小的数
  • 堆排序

  

• 代码2: 青蛙跳
  • 简单的动态规划问题

二面 （50分钟）

• 自我介绍以及research的介绍
• SVM如何优化
• 正负例样本均衡问题
  • 负采样
  • 扩充正例
• 接触过的激活函数，Relu的改进
  • LeakyRelu
  • PRelu
• 如何在训练模型时调整学习率和batchsize
• LSTM的提出原因
• 梯度消失与梯度爆炸
  • 1）网络较深
  • 2）采用了不合适的激活函数
• 产生原因与解决方法
  • 1）采用不同激活函数
  • 2）batch norm
  • 3）残差结构
• 代码3: 找到距离根节点最近的叶子结点以及路径
  • 树的层次遍历

  

  

面筋提供者：隐形的鸡翅膀

编辑：西柚媛、阳光彩虹猪大肠