個人背景：
??985碩士，計算機專業(yè)，研究方向為機器學習/數(shù)據(jù)挖掘
- 有推薦系統(tǒng)相關(guān)項目，Kaggle競賽經(jīng)歷
- 面試崗位：滴滴出行-算法工程師（機器學習/運籌優(yōu)化方向）

?? 面試全流程回顧

1. 筆試（線上編程+數(shù)學）
-算法題（2道，LeetCode中等偏上難度）
- 動態(tài)規(guī)劃：最長遞增子序列變種（需優(yōu)化到O(nlogn)）
- 圖論：Dijkstra算法實現(xiàn)+路徑還原
- 數(shù)學題（概率統(tǒng)計+線性代數(shù)）
- 貝葉斯定理應用題（拼車場景下的概率計算）
- 矩陣分解（SVD）的原理與優(yōu)化意義

2. 技術(shù)一面（1小時）
- 代碼能力
- 手撕：實現(xiàn)帶權(quán)隨機抽樣（Reservoir Sampling變種）
- 代碼優(yōu)化：如何減少時間復雜度？
- 機器學習基礎
- XGBoost vs LightGBM的差異？如何選擇分裂點？
- 如何解決推薦系統(tǒng)中的冷啟動問題？
- 業(yè)務場景題
- 滴滴拼車訂單匹配如何建模？（聚類+貪心算法的取舍）

3. 技術(shù)二面（1.5小時）
- 項目深挖
- 詳細介紹Kaggle競賽方案（特征工程、模型融合技巧）
- 追問：如果數(shù)據(jù)分布偏移（如疫情前后出行規(guī)律變化），如何調(diào)整模型？
- 系統(tǒng)設計
- 設計一個實時ETA（預估到達時間）系統(tǒng)：
- 數(shù)據(jù)源（GPS/交通路況/歷史數(shù)據(jù)）
- 模型選型（時序模型+在線學習）
- 異常情況處理（突發(fā)擁堵如何動態(tài)調(diào)整？）
- 算法發(fā)散題
- 如何用算法減少司機空駛率？（轉(zhuǎn)化為圖的最短路徑問題）

4. HR面（30分鐘）
- 團隊協(xié)作經(jīng)歷、抗壓能力舉例
- 期望薪資與工作地點偏好

?? 總體而言，滴滴面試強度還是可以的，問題問的很細，如果不會的話，同學們盡量委婉回答，引導面試官問出問題。
滴滴待遇還是相當可以的，最后給大家一個內(nèi)推鏈接，還有內(nèi)推碼。

??投遞方式
【內(nèi)推鏈接】https://app.mokahr.com/m/campus_apply/didiglobal/96064?recommendCode=DSW46Dg7&hash=%23%2Fjobs#/jobs
【內(nèi)推碼】DSW46Dg7

全流程跟進，投遞的同學評論區(qū)留言，方便后續(xù)跟進，秋招加油！

#滴滴#  #應屆#  #實習#  #算法工程師#  #校招#  #滴滴出行#  #內(nèi)推#