Tag Archives: 面试

Interviews

 

Interviews

软件工程技术面试个人指南。

Maintainer – Kevin Naughton Jr.

其他语言版本

目录

在线练习

在线面试编程

数据结构

Linked List

  • 链表即是由节点(Node)组成的线性集合,每个节点可以利用指针指向其他节点。它是一种包含了多个节点的、能够用于表示序列的数据结构。
  • 单向链表: 链表中的节点仅指向下一个节点,并且最后一个节点指向空。
  • 双向链表: 其中每个节点具有两个指针 p、n,使得 p 指向先前节点并且 n 指向下一个节点;最后一个节点的 n 指针指向 null。
  • 循环链表:每个节点指向下一个节点并且最后一个节点指向第一个节点的链表。
  • 时间复杂度:
    • 索引: O(n)
    • 搜索: O(n)
    • 插入: O(1)
    • 移除: O(1)

Stack

  • 栈是元素的集合,其包含了两个基本操作:push 操作可以用于将元素压入栈,pop 操作可以将栈顶元素移除。
  • 遵循后入先出(LIFO)原则。
  • 时间复杂度:
  • 索引: O(n)
  • 搜索: O(n)
  • 插入: O(1)
  • 移除: O(1)

Queue

  • 队列是元素的集合,其包含了两个基本操作:enqueue 操作可以用于将元素插入到队列中,而 dequeue 操作则是将元素从队列中移除。
  • 遵循先入先出原则 (FIFO)。
  • 时间复杂度:
  • 索引: O(n)
  • 搜索: O(n)
  • 插入: O(1)
  • 移除: O(1)

Tree

  • 树是无向、连通的无环图。

Binary Tree

  • 二叉树即是每个节点最多包含左子节点与右子节点这两个节点的树形数据结构。
  • 满二叉树: 树中的每个节点仅包含 0 或 2 个节点。
  • 完美二叉树(Perfect Binary Tree): 二叉树中的每个叶节点都拥有两个子节点,并且具有相同的高度。
  • 完全二叉树: 除最后一层外,每一层上的结点数均达到最大值;在最后一层上只缺少右边的若干结点。

Binary Search Tree

  • 二叉搜索树(BST)是一种特殊的二叉树,其任何节点中的值都会大于或者等于其左子树中存储的值并且小于或者等于其右子树中存储的值。
  • 时间复杂度:
    • 索引: O(log(n))
    • 搜索: O(log(n))
    • 插入: O(log(n))
    • 删除: O(log(n))

Binary Search Tree

Trie

  • 字典树,又称基数树或者前缀树,能够用于存储键为字符串的动态集合或者关联数组的搜索树。树中的节点并没有直接存储关联键值,而是该节点在树中的挂载位置决定了其关联键值。某个节点的所有子节点都拥有相同的前缀,整棵树的根节点则是空字符串。

Alt text

Fenwick Tree

  • 树状数组又称 Binary Indexed Tree,其表现形式为树,不过本质上是以数组实现。数组中的下标代表着树中的顶点,每个顶点的父节点或者子节点的下标能够通过位运算获得。数组中的每个元素包含了预计算的区间值之和,在整棵树更新的过程中同样会更新这些预计算的值。
  • 时间复杂度:
    • 区间求值: O(log(n))
    • 更新: O(log(n))

Alt text

Segment Tree

  • 线段树是用于存放间隔或者线段的树形数据结构,它允许快速的查找某一个节点在若干条线段中出现的次数.
  • 时间复杂度:
    • 区间查询: O(log(n))
    • 更新: O(log(n))

Alt text

Heap

  • 堆是一种特殊的基于树的满足某些特性的数据结构,整个堆中的所有父子节点的键值都会满足相同的排序条件。堆更准确地可以分为最大堆与最小堆,在最大堆中,父节点的键值永远大于或者等于子节点的值,并且整个堆中的最大值存储于根节点;而最小堆中,父节点的键值永远小于或者等于其子节点的键值,并且整个堆中的最小值存储于根节点。
  • 时间复杂度:
    • 访问最大值 / 最小值: O(1)
    • 插入: O(log(n))
    • 移除最大值 / 最小值: O(log(n))

Max Heap

Hashing

  • 哈希能够将任意长度的数据映射到固定长度的数据。哈希函数返回的即是哈希值,如果两个不同的键得到相同的哈希值,即将这种现象称为碰撞。
  • Hash Map: Hash Map 是一种能够建立起键与值之间关系的数据结构,Hash Map 能够使用哈希函数将键转化为桶或者槽中的下标,从而优化对于目标值的搜索速度。
  • 碰撞解决
    • 链地址法(Separate Chaining): 链地址法中,每个桶是相互独立的,包含了一系列索引的列表。搜索操作的时间复杂度即是搜索桶的时间(固定时间)与遍历列表的时间之和。
    • 开地址法(Open Addressing): 在开地址法中,当插入新值时,会判断该值对应的哈希桶是否存在,如果存在则根据某种算法依次选择下一个可能的位置,直到找到一个尚未被占用的地址。所谓开地址法也是指某个元素的位置并不永远由其哈希值决定。

Alt text

Graph

  • 图是一种数据元素间为多对多关系的数据结构,加上一组基本操作构成的抽象数据类型。
    • 无向图(Undirected Graph): 无向图具有对称的邻接矩阵,因此如果存在某条从节点 u 到节点 v 的边,反之从 v 到 u 的边也存在。
    • 有向图(Directed Graph): 有向图的邻接矩阵是非对称的,即如果存在从 u 到 v 的边并不意味着一定存在从 v 到 u 的边。

Graph

算法

排序

快速排序

  • 稳定: 否
  • 时间复杂度:
    • 最优时间: O(nlog(n))
    • 最坏时间: O(n^2)
    • 平均时间: O(nlog(n))

Alt text

归并排序

  • 归并排序是典型的分治算法,它不断地将某个数组分为两个部分,分别对左子数组与右子数组进行排序,然后将两个数组合并为新的有序数组。
  • 稳定: 是
  • 时间复杂度:
    • 最优时间: O(nlog(n))
    • 最坏时间: O(nlog(n))
    • 平均时间: O(nlog(n))

Alt text

桶排序

  • 桶排序将数组分到有限数量的桶子里。每个桶子再个别排序(有可能再使用别的排序算法或是以递归方式继续使用桶排序进行排序)。
  • 时间复杂度:
    • 最优时间: Ω(n + k)
    • 最坏时间: O(n^2)
    • 平均时间:Θ(n + k)

Alt text

基数排序

  • 基数排序类似于桶排序,将数组分割到有限数目的桶中;不过其在分割之后并没有让每个桶单独地进行排序,而是直接进行了合并操作。
  • 时间复杂度:
    • 最优时间: Ω(nk)
    • 最坏时间: O(nk)
    • 平均时间: Θ(nk)

图算法

深度优先搜索

  • 深度优先算法是一种优先遍历子节点而不是回溯的算法。
  • 时间复杂度: O(|V| + |E|)

Alt text

广度优先搜索

  • 广度优先搜索是优先遍历邻居节点而不是子节点的图遍历算法。
  • 时间复杂度: O(|V| + |E|)

Alt text

拓扑排序

  • 拓扑排序是对于有向图节点的线性排序,如果存在某条从 u 到 v 的边,则认为 u 的下标先于 v。
  • 时间复杂度: O(|V| + |E|)

Dijkstra 算法

  • Dijkstra 算法 用于计算有向图中单源最短路径问题。
  • 时间复杂度: O(|V|^2)

Alt text

Bellman-Ford 算法

  • Bellman-Ford 算法是在带权图中计算从单一源点出发到其他节点的最短路径的算法。
  • 尽管算法复杂度大于 Dijkstra 算法,但是它适用于包含了负值边的图。
  • 时间复杂度:
    • 最优时间: O(|E|)
    • 最坏时间: O(|V||E|)

Alt text

Floyd-Warshall 算法

  • Floyd-Warshall 算法 能够用于在无环带权图中寻找任意节点的最短路径。
  • 时间复杂度:
    • 最优时间: O(|V|^3)
    • 最坏时间: O(|V|^3)
    • 平均时间: O(|V|^3)

Prim 算法

  • Prim 算法是用于在带权无向图中计算最小生成树的贪婪算法。换言之,Prim 算法能够在图中抽取出连接所有节点的边的最小代价子集。
  • 时间复杂度: O(|V|^2)

Alt text

Kruskal 算法

  • Kruskal 算法同样是计算图的最小生成树的算法,与 Prim 的区别在于并不需要图是连通的。
  • 时间复杂度: O(|E|log|V|)

Alt text

位运算

  • 位运算即是在位级别进行操作的技术,合适的位运算能够帮助我们得到更快地运算速度与更小的内存使用。
  • 测试第 k 位: s & (1 << k)
  • 设置第 k 位: s |= (1 << k)
  • 第 k 位置零: s &= ~(1 << k)
  • 切换第 k 位值: s ^= ~(1 << k)
  • 乘以 2: s << n
  • 除以 2: s >> n
  • 交集: s & t
  • 并集: s | t
  • 减法: s & ~t
  • 交换 x = x ^ y ^ (y = x)
  • 取出最小非 0 位(Extract lowest set bit): s & (-s)
  • 取出最小 0 位(Extract lowest unset bit): ~s & (s + 1)
  • 交换值: x ^= y; y ^= x; x ^= y;

算法复杂度分析

大 O 表示

  • 大 O 表示 用于表示某个算法的上限,往往用于描述最坏的情况。

Alt text

小 O 表示

  • 小 O 表示用于描述某个算法的渐进上界,不过二者要更为紧密。

大 Ω 表示

  • 大 Ω 表示用于描述某个算法的渐进下界。

Alt text

小 ω 表示

  • Little Omega Notation用于描述某个特定算法的下界,不过不一定很靠近。

Theta Θ 表示

  • Theta Notation用于描述某个确定算法的确界。

Alt text

视频教程

面试书籍

  • Competitive Programming 3 – Steven Halim & Felix Halim
  • Cracking The Coding Interview – Gayle Laakmann McDowell
  • Cracking The PM Interview – Gayle Laakmann McDowell & Jackie Bavaro

计算机科学与技术资讯

文件结构

.
├── Array
│   ├── bestTimeToBuyAndSellStock.java
│   ├── findTheCelebrity.java
│   ├── gameOfLife.java
│   ├── increasingTripletSubsequence.java
│   ├── insertInterval.java
│   ├── longestConsecutiveSequence.java
│   ├── maximumProductSubarray.java
│   ├── maximumSubarray.java
│   ├── mergeIntervals.java
│   ├── missingRanges.java
│   ├── productOfArrayExceptSelf.java
│   ├── rotateImage.java
│   ├── searchInRotatedSortedArray.java
│   ├── spiralMatrixII.java
│   ├── subsetsII.java
│   ├── subsets.java
│   ├── summaryRanges.java
│   ├── wiggleSort.java
│   └── wordSearch.java
├── Backtracking
│   ├── androidUnlockPatterns.java
│   ├── generalizedAbbreviation.java
│   └── letterCombinationsOfAPhoneNumber.java
├── BinarySearch
│   ├── closestBinarySearchTreeValue.java
│   ├── firstBadVersion.java
│   ├── guessNumberHigherOrLower.java
│   ├── pow(x,n).java
│   └── sqrt(x).java
├── BitManipulation
│   ├── binaryWatch.java
│   ├── countingBits.java
│   ├── hammingDistance.java
│   ├── maximumProductOfWordLengths.java
│   ├── numberOf1Bits.java
│   ├── sumOfTwoIntegers.java
│   └── utf-8Validation.java
├── BreadthFirstSearch
│   ├── binaryTreeLevelOrderTraversal.java
│   ├── cloneGraph.java
│   ├── pacificAtlanticWaterFlow.java
│   ├── removeInvalidParentheses.java
│   ├── shortestDistanceFromAllBuildings.java
│   ├── symmetricTree.java
│   └── wallsAndGates.java
├── DepthFirstSearch
│   ├── balancedBinaryTree.java
│   ├── battleshipsInABoard.java
│   ├── convertSortedArrayToBinarySearchTree.java
│   ├── maximumDepthOfABinaryTree.java
│   ├── numberOfIslands.java
│   ├── populatingNextRightPointersInEachNode.java
│   └── sameTree.java
├── Design
│   └── zigzagIterator.java
├── DivideAndConquer
│   ├── expressionAddOperators.java
│   └── kthLargestElementInAnArray.java
├── DynamicProgramming
│   ├── bombEnemy.java
│   ├── climbingStairs.java
│   ├── combinationSumIV.java
│   ├── countingBits.java
│   ├── editDistance.java
│   ├── houseRobber.java
│   ├── paintFence.java
│   ├── paintHouseII.java
│   ├── regularExpressionMatching.java
│   ├── sentenceScreenFitting.java
│   ├── uniqueBinarySearchTrees.java
│   └── wordBreak.java
├── HashTable
│   ├── binaryTreeVerticalOrderTraversal.java
│   ├── findTheDifference.java
│   ├── groupAnagrams.java
│   ├── groupShiftedStrings.java
│   ├── islandPerimeter.java
│   ├── loggerRateLimiter.java
│   ├── maximumSizeSubarraySumEqualsK.java
│   ├── minimumWindowSubstring.java
│   ├── sparseMatrixMultiplication.java
│   ├── strobogrammaticNumber.java
│   ├── twoSum.java
│   └── uniqueWordAbbreviation.java
├── LinkedList
│   ├── addTwoNumbers.java
│   ├── deleteNodeInALinkedList.java
│   ├── mergeKSortedLists.java
│   ├── palindromeLinkedList.java
│   ├── plusOneLinkedList.java
│   ├── README.md
│   └── reverseLinkedList.java
├── Queue
│   └── movingAverageFromDataStream.java
├── README.md
├── Sort
│   ├── meetingRoomsII.java
│   └── meetingRooms.java
├── Stack
│   ├── binarySearchTreeIterator.java
│   ├── decodeString.java
│   ├── flattenNestedListIterator.java
│   └── trappingRainWater.java
├── String
│   ├── addBinary.java
│   ├── countAndSay.java
│   ├── decodeWays.java
│   ├── editDistance.java
│   ├── integerToEnglishWords.java
│   ├── longestPalindrome.java
│   ├── longestSubstringWithAtMostKDistinctCharacters.java
│   ├── minimumWindowSubstring.java
│   ├── multiplyString.java
│   ├── oneEditDistance.java
│   ├── palindromePermutation.java
│   ├── README.md
│   ├── reverseVowelsOfAString.java
│   ├── romanToInteger.java
│   ├── validPalindrome.java
│   └── validParentheses.java
├── Tree
│   ├── binaryTreeMaximumPathSum.java
│   ├── binaryTreePaths.java
│   ├── inorderSuccessorInBST.java
│   ├── invertBinaryTree.java
│   ├── lowestCommonAncestorOfABinaryTree.java
│   ├── sumOfLeftLeaves.java
│   └── validateBinarySearchTree.java
├── Trie
│   ├── addAndSearchWordDataStructureDesign.java
│   ├── implementTrie.java
│   └── wordSquares.java
└── TwoPointers
    ├── 3Sum.java
    ├── 3SumSmaller.java
    ├── mergeSortedArray.java
    ├── minimumSizeSubarraySum.java
    ├── moveZeros.java
    ├── removeDuplicatesFromSortedArray.java
    ├── reverseString.java
    └── sortColors.java

18 directories, 124 files

What are some good blogs about algorithms and technical interviews?

Here is a website on good algorithms and technical interviews.

Website: IDeserve

Youtube channel: IDeserve

Here are some good features I found on this:

1. Many problems are explained with the help of videos which makes it very easy to understand the problem within minutes.

2. The Algorithm Visualization on the page is a great feature provided for visualizing how an algorithm works at runtime for a given example. Normally it takes careful observation to dry run a code, but through the algorithm visualization given here, it becomes easier to understand.

For example, check out the visualization given here:

Create a balanced Binary Search Tree from a sorted array

Here are videos on various topics:

Programming Interview Questions

Arrays – YouTube

Strings – YouTube

Trees – YouTube

Linked Lists – YouTube

Dynamic Programming

Graph – YouTube

Here are some of the good problems:

Linked Lists and Stack Problems:

Merge two sorted linked lists

Reverse a Linked List – Recursive

Reverse a Linked List – Iterative

Reverse every alternate k nodes of a Linked List

Find nth Node from the end of a Linked List

Sum of Two Linked Lists using Stacks

Sum of Two Linked Lists using Recursion | Set 1

LRU Cache Implementation

Detect a loop in a linked list and find the node where the loop starts.

Convert a sorted Doubly Linked List to Balanced Binary Search Tree

Convert a binary tree to doubly linked list

Find intersection of two Linked Lists

Find intersection of two Linked Lists – O(m + n) Time Complexity and O(1) Space Complexity

Minimum Stack O(1)

Strings Problems:

Reverse words in a string

Remove spaces from a given string

Longest Substring with non-Repeating Characters

Check balanced parentheses in a string

Postfix Expression Evaluation

Group all anagrams together from a given array of strings | Set 1

First non-repeating character in a string

Find all permutations of a String

Word Break Problem

Subset Sum Problem

Shortest Palindrome

Palindrome Min Cut

Minimum number of trials to reach from source word to destination word

Longest Palindromic Substring

Manacher’s Algorithm

Longest Palindromic Subsequence

Longest Common Substring

Longest Common Subsequence

To print maximum number of As using given four keys.

Finding 10 letter repeated DNA sequences.

Find minimum edit distance between given two strings

Distinct binary strings of length n with no consecutive 1s

The longest prefix suffix array computation in KMP pattern matching algorithm.

The Knuth Morris Pratt algorithm for pattern matching.

Arrays Problems:

Sorting Algorithm – Selection Sort

Sorting Algorithm – Insertion Sort

Sorting Algorithm – Bubble Sort

Merge Sort

Pancake Sorting

Sorting Algorithm – Heap Sort

Rotate an Array

Fibonacci Number

Merge two sorted arrays without using extra space

Maximum subarray sum

Maximum average subarray of size k

Longest Substring with non-Repeating Characters

Leaders in an array

Find Minimum Length Sub Array With Sum K

Binary Search in a Sorted Array

Search a sorted matrix

Re-arrange elements in an array to put positive and negative elements in alternate order

Find the next greater number using same digits

Next greater element in an array

First non-repeating character in a string

Find the ‘n’th most frequent number in array

Find the missing number in the increasing sequence

Find duplicates in an integer array

Find common elements in ‘n’ sorted arrays

Find a Peak Element in an array

Distribute Chocolates Problem

Count frequencies of array elements in range 1 to n

Find all permutations of a String

Find pivot in a sorted rotated array

Find an element in a sorted rotated array

Find element in sorted rotated array without finding pivot

Buy and sell stocks | Part 2

Buy and sell stocks | Part 1

Find index of 0 to replace to get longest continuous sequence of 1s

O(n) time approach to find index of 0 to replace to get longest continuous sequence of 1s

Trapping Rain Water between Towers

The Skyline Problem

Minimum number of coins to make change

Find minimum cost path in a matrix

Find the length of longest increasing subsequence in an array

Longest Increasing Subsequence O(n logn)

Find the length of longest bitonic subsequence in an array

Given an array with all distinct elements, find the length of the longest sub-array which has elements(not in any particular order) that could form a contiguous sequence

Find an integer array corresponding to the string specifying increase-decrease transitions

Gold Mine Problem

Find median of two sorted arrays

Find Majority Element in an Array

0-1 Knapsack Problem

Count all possible decodings of a given digit sequence

Find total number of ways to make change using given set of coins

Find increasing sub-sequence of length three having maximum product

Find increasing sub-sequence of length three having maximum product | Optimized approach

Set Partition Problem | Recursion

Set Partition Problem | Dynamic Programming

Trees and Graphs Problems:

Pre-order Traversal of a Binary Tree

Post-order Traversal of a Binary Tree

In-order Traversal of a Binary Tree

Binary Tree Level Order Traversal

Spiral Level Order Traversal of a Binary Tree | Set 1

Print right view of a binary tree

Print all nodes of a binary tree that do not have sibling

Print all Root to Leaf paths of a Binary Tree

Minimum Depth of a Binary Tree

Print left view of a binary tree

Find sum of all left leaves of a binary tree

Find depth of deepest odd level leaf node

Check whether a binary tree is a full binary tree or not

Check whether a binary tree is complete or not

Check if two nodes are cousins in a Binary tree

Check if two binary trees are identical

Check if all internal nodes of BST have only one child without building tree

Convert the given n-ary tree to its mirror image

Convert a binary tree to its mirror tree

Print top view of a binary tree

Print top view of a binary tree using level order traversal

Print bottom view of a binary tree

Print bottom view of a binary tree using level order traversal

Remove the nodes of binary search tree which are outside the given range

Remove all nodes which lie on path having sum less than k

Remove all the half nodes from a given binary tree

Print binary tree in vertical order

Populate right neighbors for all nodes in a binary tree

Lowest Common Ancestor of two nodes in a Binary Search Tree

In-order Successor of a Node in a Binary Tree

Recover a Binary Search Tree if positions of two nodes are swapped.

Find floor and ceiling of an element from given dataset using binary search tree

Diagonal Sum of a Binary Tree.

Create a balanced Binary Search Tree from a sorted array

Convert a sorted Doubly Linked List to Balanced Binary Search Tree

Convert a binary tree to doubly linked list

Check if a binary tree is balanced or not

Check if a binary tree is a binary search tree

Check if two binary search trees are identical given their array representations | Set 2

Check if two binary search trees are identical given their array representations

Check if a binary tree is sub-tree of another binary tree in time O(n)

Check if a binary tree is sub-tree of another binary tree in space O(1)

Binary Search tree | Insertion and Search

Binary Search tree | Deletion

Check if a given binary tree is symmetric tree or not

Check if the given n-ary tree is symmetric tree or not

Total number of possible Binary Search Trees with ‘n’ keys

Find the size of largest BST in a binary tree

Lowest Common Ancestor of 2 nodes in a Binary Tree

Find height of the binary tree from its parent array representation

Convert binary tree to binary search tree

Construct the binary tree from its parent array representation

Construct binary tree from inorder and preorder traversals

Construct binary tree from inorder and postorder traversals

AVL tree | Basics

AVL tree | Insertion

AVL tree | Deletion

Trie Data Structure | Insert and search

Trie Data Structure | Delete

Pattern matching using Trie

Longest Prefix Matching using Trie

Given a sequence of words, group together all anagrams and print them.

Serialize and Deserialize a binary search tree

Serialize and Deserialize a binary search tree using post order traversal

Breadth first search in a graph

Topological Sorting of a Directed Acyclic Graph.

Minimum number of trials to reach from source word to destination word

Friend Circles Problem – Graph Theory

Dijkstra’s Shortest Path algorithm

Bellman-Ford Algorithm

Dynamic Programming Problems:

Fibonacci Number

Maximum subarray sum

Word Break Problem

Total number of possible Binary Search Trees with ‘n’ keys

Subset Sum Problem

Shortest Palindrome

Palindrome Min Cut

Minimum number of trials to reach from source word to destination word

Minimum number of coins to make change

Find minimum cost path in a matrix

Longest Palindromic Substring

Longest Palindromic Subsequence

Find the length of longest increasing subsequence in an array

Longest Increasing Subsequence O(n logn)

Longest Common Substring

Longest Common Subsequence

Find the length of longest bitonic subsequence in an array

To print maximum number of As using given four keys.

Gold Mine Problem

Find minimum edit distance between given two strings

0-1 Knapsack Problem

Distinct binary strings of length n with no consecutive 1s

Count all possible decodings of a given digit sequence

Find total number of ways to make change using given set of coins

Set Partition Problem | Dynamic Programming

 

[干货,阅后进BAT不是梦]面试心得与总结—BAT、网易、蘑菇街

先说一下LZ的基本情况,LZ是四川某985学校通信专业的研究生(非计算机),大学阶段也就学了C语言,根本没想过最后要成为码农。大四才开始学java,研一下开始学android,所以LZ觉得自己开始就是一个小白,慢慢成长起来的。
一、心态心态很重要!
心态很重要!
心态很重要!
重要的事情说三遍,这一点我觉得是必须放到前面来讲。
找工作之前,有一点你必须清楚,就是找工作是一件看缘分的事情,不是你很牛逼,你就一定能进你想进的公司,都是有一个概率在那。如果你基础好,项目经验足,同时准备充分,那么你拿到offer的概率就会比较高;相反,如果你准备不充分,基础也不好,那么你拿到offer的概率就会比较低,但是你可以多投几家公司,这样拿到offer的几率就要大一点,因为你总有运气好的时候。所以,不要惧怕面试,刚开始失败了没什么的,多投多尝试,面多了你就自然能成面霸了。得失心也不要太重,最后每个人都会有offer的。
还有一个对待工作的心态,有些人可能觉得自己没有动力去找一个好工作。其实你需要明白一件事情,你读了十几二十年的书,为的是什么,最后不就是为了找到一个好工作么。现在到了关键时刻,你为何不努力一把呢,为什么不给自己一个好的未来呢,去一个自己不满意的公司工作,你甘心吗?
想清楚这一点,我相信大多数人都会有一股干劲了,因为LZ刚刚准备开始找实习的时候,BAT这种公司想都不敢想,觉得能进个二线公司就很不错了,后来发现自己不逼自己一把,你真不知道自己有多大能耐,所以请对找工作保持积极与十二分的热情,也请认真对待每一次笔试面试。
二、基础
基础这东西,各个公司都很看重,尤其是BAT这种大公司,他们看中人的潜力,他们舍得花精力去培养,所以基础是重中之重。之前很多人问我,项目经历少怎么办,那就去打牢基础,当你的基础好的发指的时候,你的其他东西都不重要了。
基础无外乎几部分:语言(C/C++或java),操作系统,TCP/IP,数据结构与算法,再加上你所熟悉的领域。这里面其实有很多东西,各大面试宝典都有列举。
在这只列举了Android客户端所需要的和我面试中所遇到的知识点,尽量做到全面,如果你掌握了以下知识点,去面android客户端应该得心应手。
J2SE基础
1. 九种基本数据类型的大小,以及他们的封装类。
2. Switch能否用string做参数?
3. equals与==的区别。
4. Object有哪些公用方法?
5. Java的四种引用,强弱软虚,用到的场景。
6. Hashcode的作用。
7. ArrayList、LinkedList、Vector的区别。
8. String、StringBuffer与StringBuilder的区别。
9. Map、Set、List、Queue、Stack的特点与用法。
10. HashMap和HashTable的区别。
11. HashMap和ConcurrentHashMap的区别,HashMap的底层源码。
12. TreeMap、HashMap、LindedHashMap的区别。
13. Collection包结构,与Collections的区别。
14. try catch finally,try里有return,finally还执行么?
15. Excption与Error包结构。OOM你遇到过哪些情况,SOF你遇到过哪些情况。
16. Java面向对象的三个特征与含义。
17. Override和Overload的含义去区别。
18. Interface与abstract类的区别。
19. Static class 与non static class的区别。
20. java多态的实现原理。
21. 实现多线程的两种方法:Thread与Runable。
22. 线程同步的方法:sychronized、lock、reentrantLock等。
23. 锁的等级:方法锁、对象锁、类锁。
24. 写出生产者消费者模式。
25. ThreadLocal的设计理念与作用。
26. ThreadPool用法与优势。
27. Concurrent包里的其他东西:ArrayBlockingQueue、CountDownLatch等等。
28. wait()和sleep()的区别。
29. foreach与正常for循环效率对比。
30. Java IO与NIO。
31. 反射的作用于原理。
32. 泛型常用特点,List能否转为List。
33. 解析XML的几种方式的原理与特点:DOM、SAX、PULL。
34. Java与C++对比。
35. Java1.7与1.8新特性。
36. 设计模式:单例、工厂、适配器、责任链、观察者等等。
37. JNI的使用。
Java里有很多很杂的东西,有时候需要你阅读源码,大多数可能书里面讲的不是太清楚,需要你在网上寻找答案。
推荐书籍:《java核心技术卷I》《Thinking in java》《java并发编程》《effictive java》《大话设计模式》
JVM
1. 内存模型以及分区,需要详细到每个区放什么。
2. 堆里面的分区:Eden,survival from to,老年代,各自的特点。
3. 对象创建方法,对象的内存分配,对象的访问定位。
4. GC的两种判定方法:引用计数与引用链。
5. GC的三种收集方法:标记清除、标记整理、复制算法的原理与特点,分别用在什么地方,如果让你优化收集方法,有什么思路?
6. GC收集器有哪些?CMS收集器与G1收集器的特点。
7. Minor GC与Full GC分别在什么时候发生?
8. 几种常用的内存调试工具:jmap、jstack、jconsole。
9. 类加载的五个过程:加载、验证、准备、解析、初始化。
10. 双亲委派模型:Bootstrap ClassLoader、Extension ClassLoader、ApplicationClassLoader。
11. 分派:静态分派与动态分派。
JVM过去过来就问了这么些问题,没怎么变,内存模型和GC算法这块问得比较多,可以在网上多找几篇博客来看看。
推荐书籍:《深入理解java虚拟机》
操作系统
1. 进程和线程的区别。
2. 死锁的必要条件,怎么处理死锁。
3. Window内存管理方式:段存储,页存储,段页存储。
4. 进程的几种状态。
5. IPC几种通信方式。
6. 什么是虚拟内存。
7. 虚拟地址、逻辑地址、线性地址、物理地址的区别。
因为是做android的这一块问得比较少一点,还有可能上我简历上没有写操作系统的原因。
推荐书籍:《深入理解现代操作系统》
TCP/IP
1. OSI与TCP/IP各层的结构与功能,都有哪些协议。
2. TCP与UDP的区别。
3. TCP报文结构。
4. TCP的三次握手与四次挥手过程,各个状态名称与含义,TIMEWAIT的作用。
5. TCP拥塞控制。
6. TCP滑动窗口与回退N针协议。
7. Http的报文结构。
8. Http的状态码含义。
9. Http request的几种类型。
10. Http1.1和Http1.0的区别
11. Http怎么处理长连接。
12. Cookie与Session的作用于原理。
13. 电脑上访问一个网页,整个过程是怎么样的:DNS、HTTP、TCP、OSPF、IP、ARP。
14. Ping的整个过程。ICMP报文是什么。
15. C/S模式下使用socket通信,几个关键函数。
16. IP地址分类。
17. 路由器与交换机区别。
网络其实大体分为两块,一个TCP协议,一个HTTP协议,只要把这两块以及相关协议搞清楚,一般问题不大。
推荐书籍:《TCP/IP协议族》
数据结构与算法
1. 链表与数组。
2. 队列和栈,出栈与入栈。
3. 链表的删除、插入、反向。
4. 字符串操作。
5. Hash表的hash函数,冲突解决方法有哪些。
6. 各种排序:冒泡、选择、插入、希尔、归并、快排、堆排、桶排、基数的原理、平均时间复杂度、最坏时间复杂度、空间复杂度、是否稳定。
7. 快排的partition函数与归并的Merge函数。
8. 对冒泡与快排的改进。
9. 二分查找,与变种二分查找。
10. 二叉树、B+树、AVL树、红黑树、哈夫曼树。
11. 二叉树的前中后续遍历:递归与非递归写法,层序遍历算法。
12. 图的BFS与DFS算法,最小生成树prim算法与最短路径Dijkstra算法。
13. KMP算法。
14. 排列组合问题。
15. 动态规划、贪心算法、分治算法。(一般不会问到)
16. 大数据处理:类似10亿条数据找出最大的1000个数………等等
算法的话其实是个重点,因为最后都是要你写代码,所以算法还是需要花不少时间准备,这里有太多算法题,写不全,我的建议是没事多在OJ上刷刷题(牛客网、leetcode等),剑指offer上的算法要能理解并自己写出来,编程之美也推荐看一看。
推荐书籍:《大话数据结构》《剑指offer》《编程之美》
关于项目,这部分每个人的所做的项目不同,所以不能具体的讲。项目不再与好与不好,在于你会不会包装,有时候一个很low的项目也能包装成比较高大上的项目,多用一些专业名词,突出关键字,能使面试官能比较容易抓住重点。在聊项目的过程中,其实你的整个介绍应该是有一个大体的逻辑,这个时候是在考验你的表达与叙述能力,所以好好准备很重要。
面试官喜欢问的问题无非就几个点:
1. XXX(某个比较重要的点)是怎么实现的?
2. 你在项目中遇到的最大的困难是什么,怎么解决的?
3. 项目某个部分考虑的不够全面,如果XXXX,你怎么优化?
4. XXX(一个新功能)需要实现,你有什么思路?
其实你应该能够预料到面试官要问的地方,请提前准备好,如果被问到没有准备到的地方,也不要紧张,一定要说出自己的想法,对不对都不是关键,主要是有自己的想法,另外,你应该对你的项目整体框架和你做的部分足够熟悉。
1、具有1-5工作经验的,面对目前流行的技术不知从何下手,需要突破技术瓶颈的可以加群。
2、在公司待久了,过得很安逸,但跳槽时面试碰壁。需要在短时间内进修、跳槽拿高薪的可以加群。
3、如果没有工作经验,但基础非常扎实,对java工作机制,常用设计思想,常用java开发框架掌握熟练的,可以加群。
4、觉得自己很牛B,一般需求都能搞定。但是所学的知识点没有系统化,很难在技术领域继续突破的可以加群。
5. 群号:高级架构群 647631030备注好信息!
6.阿里Java高级架构师直播讲解知识点,分享知识,多年工作经验的梳理和总结,带着大家全面、科学地建立自己的技术体系和技术认知!
三、 其他你应该问的问题
面试里,最后面完之后一般面试官都会问你,你有没有什么要问他的。其实这个问题是有考究的,问好了其实是有加分的,一般不要问薪资,主要应该是:关于公司的、技术和自身成长的。
以下是我常问的几个问题,如果需要可以参考:
1. 贵公司一向以XXX著称,能不能说明一下公司这方面的特点?
2. 贵公司XXX业务发展很好,这是公司发展的重点么?
3. 对技术和业务怎么看?
4. 贵公司一般的团队是多大,几个人负责一个产品或者业务?
5. 贵公司的开发中是否会使用到一些最新技术?
6. 对新人有没有什么培训,会不会安排导师?
7. 对Full Stack怎么看?
8. 你觉得我有哪些需要提高的地方?
知识面
除了基础外,你还应该对其他领域的知识有多少有所涉猎。对于你所熟悉的领域,你需要多了解一点新技术与科技前沿,你才能和面试官谈笑风生。
软实力
什么是软实力,就是你的人际交往、灵活应变能力,在面试过程中,良好的礼节、流畅的表达、积极的交流其实都是非常重要的。很多公司可能不光看你的技术水平怎么样,而更看重的是你这个人怎么样的。所以在面试过程中,请保持诚信、积极、乐观、幽默,这样更容易得到公司青睐。
很多时候我们都会遇到一个情况,就是面试官的问题我不会,这时候大多数情况下不要马上说我不会,要懂得牵引,例如面试官问我C++的多态原理,我不懂,但我知道java的,哪我可以向面试官解释说我知道java的,类似的这种可以往相关的地方迁移(但是需要注意的是一定不要不懂装懂,被拆穿了是很尴尬的),意思就是你要尽可能的展示自己,表现出你的主动性,向面试官推销自己。
还有就是遇到智力题的时候,不要什么都不说,面试官其实不是在看你的答案,而是在看你的逻辑思维,你只要说出你自己的见解,有一定的思考过程就行。
四、 面经

LZ应聘的职位都是android客户端开发。
面经其实说来话长,包括实习的话面过的公司有:CVTE、腾讯、阿里、百度、网易、蘑菇街、小米。最早得追溯到到今年3月份,那时候刚过完年,然后阿里的实习内推就开始了,我基本都没什么准备,就突如其来的接到了人生中第一个面试电话。

阿里实习内推一面:
电话面试, 由于是第一次面试,所以非常紧张,项目都没怎么说清楚。然后面试官就开始问项目细节了,这里我关于一个项目细节和面试官有不同的看法,面试官说我这样做有问题,然后我说我们确实是这样做的,并没有出什么错,差点和面试官吵起来,最后我还是妥协了。然后问了我一个怎么对传输的数据加密,我答的很挫,然后面试官就开始鄙视我:你这个基础不好,那个基础不好,那你说说你还有其他什么优势没?Blabla紧张的说了一些…………只面了30分钟不到,然后妥妥的就挂了。
经过这次面试突然感觉人生的艰辛,几天后我们教研室的其他同学陆续开始了面试,他们都很顺利,其中我的室友(单程车票)很顺利的拿到了offer,他是个大神,然后我就压力无比的大。制定了整套复习计划,从早上9点看书看到晚上10点。
到了3月15号左右有CVTE面试,第一次面试是群面,比较坑,坐了一个小时的车过去群面了5分钟,没什么好说的。
CVTE实习面 :
在自我介绍和项目后,面试官开始问一些java基础,object有哪些方法?这个还能说了一些。问hashmap有多大,这个当时一脸茫然,还sb的答了一个65535。然后面试官让我写三分钟内写一个二分查找,当时也是第一次手写代码,并且还计时,完全没经验,最后超时写了出来。中间又问了我一堆基础,都答得不是很完整。最后问我遇到过OOM的情况没有,什么情况下会OOM。这个也没答出来,然后又妥妥的挂了。
这次经历告诉我,我是缺少面试经验,和现场写代码的能力,基础还需要多加强。所以我开始各种准备,在一个月的时间里看了四本面试书(程序员面试宝典、java程序员面试宝典、程序员面试笔试宝典、剑指offer),把所有关于数据结构和算法的东西用代码写了一遍。
然后到了四月初,腾讯来了,我最开始还是非常向往腾讯的,但就当时那个情况,我对自己不报太大希望,觉得能进BAT这样的顶级公司是个奢侈的梦想。
腾讯的面试是在一个5星级酒店里面,逼格高大上,感觉问的东西也比较多,感觉喜欢问智力题,但是我没遇到。
腾讯实习
1面:50分钟左右, 面试的时候还是有些紧张的,但是运气好,遇到了一个学校的师兄,他一直叫我不要紧张。几个比较关键的问题:死锁的必要条件,怎么解决,java和c++比有什么优势,java同步方法,activity生命周期,中间让我设计了个银行排队系统,我说了一堆。然后让我写了一个计算一个int里面二进制有几个1,然后我用最高效的方法(n=n&n-1)写出来之后,面试官有点意外,还说没见过这么写的,让我跟他解释一下。后面就是拉拉家常,问我对工作地点怎么看,让我对比qq和微信,一面出来之后,面试官让我留意通知,心想是过了,其实发挥的不怎么好。
就在会学校的路上,都要到学校了,收到了腾讯二面的通知,下午3点。然后我又跑回去二面。
2面: 二面是一个很严肃的人,看上去就比较资深那种,一直都不笑,后面才知道是手机管家T4的专家。一开始就问我项目里,心跳包是怎么设计的,我项目里并没有用心跳,然后只能跟他说没做,问我用json传输数据有什么不好(我只知道用哪想过有什么不好)。又问了http和socket的区别,两个协议哪个更高效一点,遇到过java内存泄露没有,用过哪些调试java内存工具,java四种引用。多数都是项目上的东西,基础的东西没问太多,然后感觉自己答的不是很好,很多都不知道,而且还答错了。其实我感觉我应该是过不了的,但是最后我问问题的时候,我让他评价下我的表现,他说不好评价,我自己说了一堆,说在学校里确实见识到的东西比较少,很多东西没考虑全面,然后他表示赞同,和我探讨了一番,我觉得最后这个问题给我加了不少分。二面也面了50分钟左右。
回来后发现我的状态一直没变,而他们二面完了的都到了HR面了,我以为我已经挂定了,后来在一天晚上12点的时候,惊喜的收到了第二天HR面的短信,当晚上几乎高兴得一晚上没睡着觉。
3面(HR): 就是hr面,也就面了十几分钟,聊聊天,问问哪的人,未来什么打算的等等,基本不怎么挂人就不详细写了。

就这样拿到了人生中第一个实习offer。
后面找实习的心就放松了,没有复习了。然后到了5月5号,阿里来了。对阿里也只是想去面一面的心态了,因为已经有腾讯的offer了,就没想太多。

阿里
实习1面: 面过腾讯之后发现自己已经比较淡定了,面试得时候能够比较好的交谈了。这一面也遇到一个比较好的面试官,能很轻松的和他交流。主要的问题是android的:activity的生命周期、activity的四种启动模式(当时忘了一些没答全)、线性布局和相对布局、多线程请求,java GC算法与GC方法,内存模型,有一个比较特别的问题是问我微信的朋友圈怎么设计,然后我把思路跟他说了,其他的就是问了项目相关的了。还问了我一个觉得技术深度重要还是技术宽度重要,一面感觉还是比较基础的。
实习2面: 这一面就比较虐心,碰到一个阿里云的CTO,一上去项目看都不看,直接问我写过多少行代码,我说至少3、4万行,然后他让我写了两个题:一个找素数,一个递归求阶层,对我也算手下留情(他后来让我同学写AVL树的插入算法,想想也是醉了)。后面就各种基础了,java的基础挨个问了一遍,比较关键多线程实现,锁的几种等级等,反射的用法,wait()和sleep()(讨论这个的时候他把我说晕了),Java还好,多数能应付,然后他就开始问c++的了。虽然是基础,但是lz忘了差不多了,什么指针数组和数组指针,虚函数,多态实现(这个我扯到java上了)等等,问了很多,很多都没答上来,然后他说我基础不太好(我想说我简历上写的了解C++,为什么要追着我问TT)。
就这样出来了,本来以为挂了,后面被通知过了。同学都只有2面技术面,我居然多了一面,叫交叉面试,心想这下肯定完了。
实习3面: 这一面遇到了后面我去实习时候的部门boss,人非常好,来的时候走的时候都要和我握手,非常的平易近人。这一面还是问项目上的一些东西居多,基础就问了个java多线程,各个排序的时间复杂度、思想。技术问了半个小时,后面半个小时就开始各种聊人生了(@_@),我家是哪的,父母干嘛的,中学怎么样,大学怎么样,等等,完全就不像是技术面嘛(后来才知道,我一个同学一开始来就和他聊人生,还聊过了。再次感叹找工作是看缘分呐)。
实习4面(HR) :阿里hr比腾讯hr面专业,面了一个小时,把我的生活经历趴了一遍,(问了类似你的优缺点,最让你高兴的一件事,最让你伤心的一件事,你的职业规划,你的理想等等,这种,现在想不起来了)也没什么特别好说的。

面完后第二天去圆桌签offer,就这样又拿到了阿里的实习offer。
LZ后面衡量了杭州阿里B2B和广州腾讯MIG,最后选择去了阿里,因为在总部,感觉大boss人比较好,发展前途可能不错,而且留下来的几率比较大,而腾讯是一个分部门,感觉可能不是很有前景(但是后来了解到其实广州腾讯MIG发展前景非常好,环境也非常和谐,我同学去实习的都留下来了。哎,只能感叹选择是个大问题)。在阿里实习的两个月时间也挺愉快的,学到了不少东西,也认识了很好的师兄和主管,只因最后被拥抱了变化没有拿到正式offer。
实习面经就已经写完了,后面是正式找工作的经历,主要是内推比较多:腾讯、网易、蘑菇街、小米,校招就面了家百度。
在阿里实习的时候,面了网易和蘑菇街。

网易
内推1面: 电话面,一天在里中午休息的时候面的。这一面我面得很烂,由于在阿里实习,面试官恰好也在阿里呆过,问了我在阿里学到了哪些东西,看过哪些框架,看过源码没有,我支支吾吾说了一些,面试官不太满意(我表示我都说不全啊,在阿里就来了不久,哪那么多时间看源码)。项目各种细节问一通之后,开始问基础,Http报文结构,Handler、Looper模型,ThreadLocal(这个LZ当时没答上来),怎么使service不被杀死,android内存优化,自己实现线程队列模型,问我怎么设计(这个当时被前面的问题问蒙了,直接说不知道了),面了20+分钟,感觉答得都不怎么好,然后面试官问我说还有没有什么比较擅长的他没有问道的,我就把android Framework里zygote的启动和Binder通信说了一遍(这里强行装了一次逼)。
面完之后本以为挂定了,然后师姐跟我说居然过了,也是够神奇,我觉得是我后面补充的内容救了我。
内推2面: 二面是现场面,就在阿里滨江区的隔壁。时间是一天中午,吃了饭就到了隔壁。面试官是个比较年轻人,可能大不了我几岁,也是非常好说话,开始也是聊项目,我把在阿里做的app和自己写的小框架拿出来,他就指着上面各种问,这里怎么实现,会有什么问题,你怎么解决,然后他描述了一个场景说,两个activity,前面的是个dialog activity,怎么在dialog activity存在的情况下改变后面的activity(lz答的用广播)。android怎么解决缓存,要是内存超了怎么办?然后扯到了JVM,GC判定算法与方法,哪个区域用什么GC算法,怎么改进复制算法。然后是基础,也像一面一样问了一些,hashmap和concurrntHashmap的区别、泛型能否强制转换。然后是算法,问了快排和归并的平均时间复杂度与最差时间复杂度,出了个算法题:怎么找到一个随机数组的前50大数、中间50大数,(这个用最小堆和partition函数),复杂度是多少。
面完之后其实感觉还不错,基本都打答上来了,顺利进入三面。
内推3面(HR): hr面也是现场,也聊了很多,问我为什么要从阿里来网易,有什么打算,你看中网易的什么(主要是针对我是在阿里实习来问的,我就讲了一堆网易的优势),让来杭州工作愿不愿意。还跟我说了,这次内推是优中选优,有名额限制,如果没有通过,请继续关注网易校招。

后面让师姐查了下状态,状态显示是三面已通过。但是最后没有收到offer,还是有点小失望。

蘑菇街
内推1面: 电话面,也是在一个中午面的。18分钟,问了一些项目,主要是问基础、问得非常基础:Arraylist与LinkedList区别,String与StringBuffer用法,HashMap与HashTable区别,Synchronized用法等等等等(非常基础),这不一一列举了,然后很顺利的就过了。2面是在20天后了,也不知道蘑菇街出了什么岔子。
内推2面 :也是电话面,CTO面试,就整体聊了项目,我在项目中学到了什么,遇到什么困难怎么解决的,在阿里实习学到了哪些东西,有看过源码么,我的优缺点,我为什么选择蘑菇街,我了解蘑菇街哪些东西。最后答完感觉自己答得还行但是也没有过,不知道为什么。
小米
内推1面: 电话面,大概40分钟,面试的时候那边很吵,不过幸好面试官语速慢,而且我答完一个问题后,面试官会和我交流哪里没有答好。没有问项目,就问了基础,问题也不多:HashMap删除元素的方法,for each和正常for的用在不同数据结构(ArrayList、set、hashmap)上的效率区别(LZ表示没有看过源码,不知道),static class和non-static class的区别,一个大文件几个GB,怎么实现复制(这个也没有答好)。然后问了两个算法:之前一个出现过,另一个是在git里面,如果有n个分支,m次commit怎么找到任意两个节点共同的那个父节点(这个当时我想错了,想到二叉树上去了,没有答好)。然后让两个算法用代码实现,1个小时内写好email给他。

小米面了以后也杳无音信,估计也是要求很高,毕竟解决北京户口。
其实在阿里实习的时候很早就开始投简历了,因为出去实习一段时间后,感觉还是很想留在成都(因为lz是四川人)。腾讯我没有参加校招面试,直接走的内推流程。

腾讯
1面: 电话面,7月20+号,很水,就问了项目,聊了可能有十多分钟,然后面试官说,内推没有什么作用,还是要走校招面试(我觉得他可能是有其他事情,想节省时间),你在实习不能回来,还是要现场面一次才行,然后就留了个电话让我校招联系他,这样就完了。2面是在我回学校后了。
2面: 9月6号我回学校之后,下午3点接到电话,让我晚上7点去腾讯现场面的(我在想为何是在晚上,lz学校到腾讯要2个小时,还让不让人回来了),当时紧张得要死,因为刚从阿里回来不久,都没怎么好好准备基础,在地铁上看了两本基础书,亚历山大。面试是在腾讯里面,微信部门,面试官是个中年人(现在是LZ的主管),看起来还是比较沉稳的那种。也没问基础技术问题,就聊项目细节和一些可优化的地方,然后把lz的简历看了翻了一遍,问了一遍,然后就是问我在阿里学到了什么,为什么当时选择了阿里(这时候肯定要各种跪舔啊)。然后后来他说他是做ios的,我在想难怪不问我基础。

面完了说一周之内通知我结果,也没报太大希望,感觉并不太对口,因为搞不懂为什么是做ios的来面我。
两天之后,在阿里HRG电话通知我拥抱变化之后,几乎同一时间,腾讯电话通知我拿到了成都offer,我只能感叹太巧了(大概这大半辈子的运气都花光了)。
后来校招开始后,只面了百度一家公司,百度确实比较重视基础与算法,看中技术。

百度
1面: 大概1个小时,又是个做ios的师兄面试我,自然就只能聊项目了,我给他展示了我做的app后,也问了些技术问题,缓存怎么做的,内存溢出怎么处理。然后两个算法题:把一个数组中奇数放前面,偶数放后面,这个要求写出来。另一个是3亿条IP中,怎么找到次数出现最多的5000条IP。最后问了是否愿意去北京,对于技术的看法。
2面: 50分钟,写个4个程序题:反转链表、冒泡排序、生产者消费者,这三个都还好写,很快的写出来了,还有一个题是在一组排序数中,给定一个数,返回最接近且不大于这个数的位置,要求时间在O(logn)(这个想了一会,用二分查找,然后特殊处理了一下),最后他看不懂,要我一步一步解释。花了好一整子,最后问了个java反射,就让我走了。百度果然是重视算法。
3面: 这一面应该是个技术高层,笼统的问了我一下项目的问题,然后问了几个基础:java反射机制;android动画有哪些,什么特点?TCP/IP层次架构,每层的作用与协议;TCP拥塞控制;滑动窗口是怎么设计的,有什么好处;android的布局都有哪些。问完这些之后,然后就是有点类似于HR的聊天了:如果这次面试过了你觉得是因为什么原因,没过呢?你觉得百度怎么样?你对技术路线什么打算?有些和前面重复的就不写了。然后他让我问他问题,我就连续问了5、6个问题,最后愉快的走了。

百度这两天给结果。

五、 写在最后关于选择
LZ当时实习的时候,杭州阿里和广州腾讯选择去了阿里,但是却因为拥抱变化没有留下来,相反这边在腾讯实习的同学却很顺利。但是也是因为没有去广州腾讯,最后我能留在成都腾讯。选择是一件非常重要的事情,它决定着你的未来,但是也有一点你得知道:塞翁失马焉知非福,现在看起来不太好的选择,不一定将来就好,未来有太多未知数。
心怀感恩
其实一路走来,我也是在成长,从最初的不自信,到了最后面试一切都比较冷静与沉着。我一直相信,机会是留给有准备的人,所以,请提早准备,越早越好。我很感激能有那么多人帮助我和肯定我,没有最初腾讯的肯定,我肯定不会走的这么顺利,所以我很感恩哪些让我通过的人,也感谢我们实验室的兄弟姐妹,给了我良好的学习成长环境,心怀感恩才能好运常在。

from:http://geek.csdn.net/news/detail/236930

阿里+百度+CVTE的Java面试题

程序员:作为一个和代码谈恋爱的人,我怎么可能食人间烟火???

代码

敲键盘的一天又开始了

I收邮件,收到想砸电脑

充满厌恶:需求又来了

跟你这种人沟通太费劲…

我就爱看技术组扯皮

PHP是世界上最好的语言

谁说我没对象?冲啊,程序员

改不尽的bug

产品经理想和我好好相处——只有搞基

嫁人一定要嫁我:钱多,老实,挂的早

一切等我写完程序再说

能弄明白的bug优先解决

杀死一个程序员不需要抢,改几次需求就够了!

×

咆哮

综上:程序员,卒

虽然程序员总在垂“死”线上挣扎,但是绝对是九条命的代言人,生命力相当顽强,而且程序员总是智慧的象征,用他不能检测你的情商是否在线,但智商绝对可以。

做为一个有追求的程序员,当然不能错过每一个送分题,挣分题和加分题。能够跻身到巨头公司也是很多程序员的梦想。阿Y貌似扒到了BAT(今天没有T)的Java面试题目,你起来感受下扑面而来的虐吧

阿里面试题

1. 二叉树的遍历方式,前序、中序、后序和层序

2. volatile关键字

3. synchronized

4. concurrentHashMap

5. 锁的优化策略

6. 操作系统

项目部分

1、缓存的使用,如果现在需要实现一个简单的缓存,供搜索框中的ajax异步请求调用,使用什么结构?

2、内存中的缓存不能一直存在,用什么算法定期将搜索权重较低的entry去掉?

3、TCP如何保证安全性

4、红黑树的问题,B+数

5、JDK1.8中对HashMap的增强,如果一个桶上的节点数量过多,链表+数组的结构就会转换为红黑树。

6、项目中使用的单机服务器,如果将它部署成分布式服务器?

7、MySQL的常见优化方式、定为慢查询

8、手写一个线程安全的单例模式

阿里巴巴▶

浪潮

面试大片2017

百度面试题

1、是否了解动态规划

2、JVM调优

3、分别介绍一下Struts2和Spring

4、职责链模式(设计模式)

5、实践中如何优化MySQL

6、什么情况下设置了索引但无法使用

7、SQL语句的优化

8、索引的底层实现原理和优化

9、HTTP和HTTPS的主要区别

10、Cookie和Session的区别

11、如何设计一个高并发的系统

12、linux中如何查看进程等命令

13、两条相交的单向链表,如何求他们的第一个公共节点

14、11个设计模式

对一个后台程序员来说,重要的不只是语言,还有数据结构算法、网络基础、并发、数据库、设计模式、操作系统、linux等等很多很多技术需要掌握。很多人能力发展不够均衡,比如Java很厉害,但是其他方面一般,眼尖的面试官其实都记在心里,而对整体知识的把握,在阿里巴巴的面试中体现的很深刻。

百度baidu▶

经典面试

2017

CVTE面试题

1、struts2和SpringMVC的区别

2、Spring中IoC和AOP的理解

3、在MySQL中如何定为查询效率较慢的SQL语句

4、慢查询日志

5、EXPLAIN关键字还有PROFILES

6、设计了一个场景,青蛙爬井

7、页面的跳转关系、

8、二分查找

9、在N个数中求前M大个数

如果面试的是你,觉得自己会表现如何呢?(满分10,请自行脑补)。

如果你也想在IT行业拿高薪,可以参加我们的训练营课程,选择最适合自己的课程学习,技术大牛亲授,7个月后,进入名企拿高薪。我们的课程内容有:Java工程化、高性能及分布式、高性能、深入浅出。高架构。性能调优、Spring,MyBatis,Netty源码分析和大数据等多个知识点。如果你想拿高薪的,想学习的,想就业前景好的,想跟别人竞争能取得优势的,想进阿里面试但担心面试不过的,你都可以来,群号为:636532962

作者:一粒红尘_98b6
链接:http://www.jianshu.com/p/0524b1869b50
來源:简书
著作权归作者所有。商业转载请联系作者获得授权,非商业转载请注明出处。

机器学习及大数据相关面试的职责和面试问题

目录

· 机器学习、大数据相关岗位的职责

· 面试问题

· 答题思路

· 准备建议

· 总结

各个企业对这类岗位的命名可能有所不同,比如推荐算法/数据挖掘/自然语言处理/机器学习算法工程师,或简称算法工程师,还有的称为搜索/推荐算法工程师,甚至有的并入后台工程师的范畴,视岗位具体要求而定。

机器学习、大数据相关岗位的职责

根据业务的不同,岗位职责大概分为:

1、平台搭建类

· 数据计算平台搭建,基础算法实现,当然,要求支持大样本量、高维度数据,所以可能还需要底层开发、并行计算、分布式计算等方面的知识;

2、算法研究类

· 文本挖掘,如领域知识图谱构建、垃圾短信过滤等;

· 推荐,广告推荐、APP 推荐、题目推荐、新闻推荐等;

· 排序,搜索结果排序、广告排序等;

· 其它,· 广告投放效果分析;· 互联网信用评价;· 图像识别、理解。

3、数据挖掘类

· 商业智能,如统计报表;

· 用户体验分析,预测流失用户。

以下首先介绍面试中遇到的一些真实问题,然后谈一谈答题和面试准备上的建议。

面试问题

1、你在研究/项目/实习经历中主要用过哪些机器学习/数据挖掘的算法?

2、你熟悉的机器学习/数据挖掘算法主要有哪些?

3、你用过哪些机器学习/数据挖掘工具或框架?

4、基础知识· 无监督和有监督算法的区别?· SVM 的推导,特性?多分类怎么处理?· LR 的推导,特性?· 决策树的特性?· SVM、LR、决策树的对比?· GBDT 和 决策森林 的区别?· 如何判断函数凸或非凸?· 解释对偶的概念。· 如何进行特征选择?· 为什么会产生过拟合,有哪些方法可以预防或克服过拟合?· 介绍卷积神经网络,和 DBN 有什么区别?· 采用 EM 算法求解的模型有哪些,为什么不用牛顿法或梯度下降法?· 用 EM 算法推导解释 Kmeans。· 用过哪些聚类算法,解释密度聚类算法。· 聚类算法中的距离度量有哪些?· 如何进行实体识别?· 解释贝叶斯公式和朴素贝叶斯分类。· 写一个 Hadoop 版本的 wordcount· ……

5、开放问题

· 给你公司内部群组的聊天记录,怎样区分出主管和员工?

· 如何评估网站内容的真实性(针对代刷、作弊类)?

· 深度学习在推荐系统上可能有怎样的发挥?

· 路段平均车速反映了路况,在道路上布控采集车辆速度,如何对路况做出合理估计?采集数据中的异常值如何处理?

· 如何根据语料计算两个词词义的相似度?

· 在百度贴吧里发布 APP 广告,问推荐策略?

· 如何判断自己实现的 LR、Kmeans 算法是否正确?

· 100亿数字,怎么统计前100大的?

· ……

答题思路

1、用过什么算法?

· 最好是在项目/实习的大数据场景里用过,比如推荐里用过 CF、LR,分类里用过 SVM、GBDT;

· 一般用法是什么,是不是自己实现的,有什么比较知名的实现,使用过程中踩过哪些坑;

· 优缺点分析。

2、熟悉的算法有哪些?

· 基础算法要多说,其它算法要挑熟悉程度高的说,不光列举算法,也适当说说应用场合;

· 面试官和你的研究方向可能不匹配,不过在基础算法上你们还是有很多共同语言的,你说得太高大上可能效果并不好,一方面面试官还是要问基础的,另一方面一旦面试官突发奇想让你给他讲解高大上的内容,而你只是泛泛的了解,那就傻叉了。

3、用过哪些框架/算法包?

· 主流的分布式框架如 Hadoop,Spark,Graphlab,Parameter Server 等择一或多使用了解;

· 通用算法包,如 mahout,scikit,weka 等;

· 专用算法包,如 opencv,theano,torch7,ICTCLAS 等。

4、基础知识

· 个人感觉高频话题是 SVM、LR、决策树(决策森林)和聚类算法,要重点准备;

· 算法要从以下几个方面来掌握 产生背景,适用场合(数据规模,特征维度,是否有 Online 算法,离散/连续特征处理等角度);原理推导(最大间隔,软间隔,对偶);求解方法(随机梯度下降、拟牛顿法等优化算法);优缺点,相关改进;和其他基本方法的对比;

· 不能停留在能看懂的程度,还要对知识进行结构化整理,比如撰写自己的 cheet sheet,我觉得面试是在有限时间内向面试官输出自己知识的过程,如果仅仅是在面试现场才开始调动知识、组织表达,总还是不如系统的梳理准备;从面试官的角度多问自己一些问题,通过查找资料总结出全面的解答,比如如何预防或克服过拟合。

5、开放问题

· 由于问题具有综合性和开放性,所以不仅仅考察对算法的了解,还需要足够的实战经验作基础;

· 先不要考虑完善性或可实现性,调动你的一切知识储备和经验储备去设计,有多少说多少,想到什么说什么,方案都是在你和面试官讨论的过程里逐步完善的,不过面试官有两种风格:引导你思考考虑不周之处 or 指责你没有考虑到某些情况,遇到后者的话还请注意灵活调整答题策略;

· 和同学朋友开展讨论,可以从上一节列出的问题开始。

准备建议

1、基础算法复习两条线

· 材料阅读 包括经典教材(比如 PRML,模式分类)、网上系列博客,系统梳理基础算法知识;

· 面试反馈 面试过程中会让你发现自己的薄弱环节和知识盲区,把这些问题记录下来,在下一次面试前搞懂搞透。

2、除算法知识,还应适当掌握一些系统架构方面的知识,可以从网上分享的阿里、京东、新浪微博等的架构介绍 PPT 入手,也可以从 Hadoop、Spark 等的设计实现切入。

3、如果真的是以就业为导向就要在平时注意实战经验的积累,在科研项目、实习、比赛(Kaggle,Netflix,天猫大数据竞赛等)中摸清算法特性、熟悉相关工具与模块的使用。

总结

如今,好多机器学习、数据挖掘的知识都逐渐成为常识,要想在竞争中脱颖而出,就必须做到· 保持学习热情,关心热点;· 深入学习,会用,也要理解;· 在实战中历练总结;· 积极参加学术界、业界的讲座分享,向牛人学习,与他人讨论。最后,希望自己的求职季经验总结能给大家带来有益的启发。

附:其它可能的题目-算法/架构/ETL等

  • MapReduce解决缺值问题?
  • 集群规模有限,但之前的那个文件足够大,如何解决?(不能调整集群的规模)
  • Spark的三种部署方式?
  • 如果Spark用的和Mapreduce的计算资源同是yarn,发现资源不够用了话,在Spark中的哪里进行配置,使之资源分配合理?
  • LVS的配置相关命令?
  • Hadoop的各角色的职能?
  • Hadoop的checkpoint的作用?
  • HBase的双主如何配置?
  • HBase即便拥有双主的高可靠配置,存在hdfs上的数据丢失怎么办?
  • HBase模糊查询,是什么?如何做到?
  • Hadoop的 高可靠性,如何保证?
  • 如何保证HBase的稳定性以及高可靠性?从部署、容灾、以及网络方面说说你的看法?
  • 你觉得Spark和Hadoop的区别是什么,请简要说一说?
  • 你觉得Python和Java在使用起来,有什么区别?
  • 给你两张表,表A和表B,其中表A有3条数据,表B有5条数据,问:表A left join 表B后有几条?
  • LVS和HAProxy相比,它的缺点是什么?
  • Sqoop用起来感觉怎样?
  • ZooKeeper的角色以及相应的Zookepper工作原理?
  • HBase的Insert与Update的区别?
  • 数组与链表的区别是什么?
  • Scala函数式编程的特点?
  • 今日头条的个性化推荐是如何实现的?
  • spark工作原理
  • spark运行原理
  • Spark Streaming
  • Storm的ack是干嘛的
  • kalfka干嘛的
  • job提交到yarn上的工作流程
  • 10x+5y+z = n,x+y+z的最小值
  • ArryList、LinkedList、vector的区别
  • hashMap HashTable的区别
  • 垃圾回收机制
  • JVM的工作原理
  • Hbase的垃圾回收工具
  • for循环LinkedList
  • 遍历HashMap的并且把某一个值删除
  • 线程 进程
  • Java中Runnable和Thread的区别Callable
  • Callable与Future的介绍
  • sleep wait区别
  • hadoop源码使用了什么JAVA技术
  • hadoop的通讯接口RPC协议
  • java的数据类型
  • mapreduce中的Text类型 LongWriteable 能不能用String 或者用long类型代替
  • JAVA如何实现序列化
  • 反序列化是什么?
  • 序列化是将(内存中的)结构化的数据数据,序列化成2进制
  • mapreduce常用的接口
  • mapreduce的工作流程
  • MR优化方式
  • 什么样的情况下不能用mapreduce
  • HDFS的架构
  • hdfs改那几个文件 分别改什么内容 内容代表什么意思(3次)
  • core是全局的 site是局部的
  • hdfs优化
  • mapreduce怎么实现join连接
  • yarn的ha搭建
  • zookeeper的工作原理和应用场景
  • 如何解决mapreduce的数据倾斜
  • mapreduce怎么实现把移动数据到移动计算的
  • hive 增加数据有几种方式
  • 怎么给hive的表里面增加一个字段
  • 增加的字段里面数据占不占内存
  • 给字段增加值怎么增加
  • 1g的小文件,1g的一个文件 ,为什么小文件占的空间更大
  • hive建表,什么情况下见内部表
  • impala 依赖
  • 怎么解决hive数据倾斜问题
  • hbase rowkey的设计原则
  • 唯一 简明有意义
  • hbase的应用场景
  • 你们平时PV有多少,数据量有多少
  • Hive是重点
  • hadoop工程师
  • zookeeper在hbase中作用
  • ZK中存的两张最重要的表
  • shall 数组的分隔符是什么
  • linux的copy

End.

转载请注明来自36大数据(36dsj.com):36大数据 » 机器学习及大数据相关面试的职责和面试问题