無論是我之前作為面試官進行的面試，還是以後我將要進行的面試，我個人的面試流程主要分成三個部分。分別是演算法題、機器學習基礎以及理解題。實際上也不只是我，業內很多面試官基本上也都是這個流程。
演算法題指的是演算法資料結構這一塊內容，這塊能考察的東西非常多，即使排除掉競賽當中的內容，也可以玩出花樣來。業內的面試官在這個部分一般有兩種風格，第一種是樸素風，也就是問的都是基礎當中比較難的內容。比如讓你手寫歸併排序、快速排序。
歸併排序和快速排序雖然都是本科演算法課當中有的東西，但難度還是比較大的，有能力在面試的時候用白板寫出來並且基本上沒有bug的都是牛人。如果此人還沒有acm之類的演算法競賽的背景的話，那麼可以肯定他的基礎一定非常紮實，或者是進行了充分的面試準備。
第二種風格是思維題，比如選擇一道leetcode或者是codeforces當中的問題進行考察。一般面試官喜歡解法多樣，既存在簡單樸素方法，又存在需要縝密思考才能得到高階解法的問題。候選人能答出什麼樣的解法，就說明了他處在什麼樣的檔次。這種問題的解法一般也都是一些基礎演算法，比如two pointers或者是遞迴，你想不到一定不是因為你不知道這個演算法，而是你理解不夠深刻，或者是思維能力不夠。
基礎題主要指的是機器學習方面的基礎，這一塊問問題的風格也很多。有些人會喜歡由淺入深，你每回答出來乙個問題，就繼續追問你乙個更深入的問題，直到你全部回答出來或者是回答不上來為止。還有些人會直接問你某乙個領域的細節檢視你的理解情況。
我個人喜歡兩種方法聯合起來使用，比如我可能會問你在機器學習領域你比較熟悉的模型有哪些。當候選人回答之後，我會讓他自己選擇乙個他拿手的模型進行介紹。比如之前有乙個哥們選了kmeans，他把kmeans說出來的時候就在我心裡已經扣了點分了。說明他對於他當時提到的其他模型一定都不是非常自信，不然為啥選擇最簡單的kmeans？
接著，他介紹kmeans的原理倒是沒有太多的問題，但是當我問他如何解決kmeans效率較低的問題，有沒有想法的時候，他直接告訴我沒有想法。這說明了什麼？說明他對於這些模型的原理只是淺嘗輒止而已，並沒有深入其中思考。就連最簡單的kmeans尚且如此，其他的模型更加就不用說了。
如果這一環節他答得不錯的話，我可能會選擇一些比較有挑戰的問題追問一下。比如追問一下gbdt或者是xgboost模型的原理或者是一些細節。如果追問的內容也可以答出來，那麼機器學習基礎這一關就算是過了。
一般來說不會問太多深度學習相關的內容，可能會挑一些比較基礎的問。比如解釋一下神經網路梯度**的原因以及解決的辦法，以及候選人在這個領域做過的模型和事情等等。如果候選人之前沒做過相關領域的話，問不出太多的東西來。比如如果他之前做的是nlp或者是cv，那麼基本上沒有相關性，可能只能挑一些有些感興趣或者了解的問問了。
這一塊屬於開放性問題，相對比較機動，在面試當中的重要性佔比也比較低，基本上可以理解成加分項。如果對方實在沒什麼想法或者是沒什麼經驗的話，也可以不問，或者是問一些對方簡歷當中的內容來替代。
關於候選人簡歷當中的內容，如果比較相關的可能會多問一些，如果不怎麼相關可能就大概了解一下，或者就不問了也可能。比如他之前有做過哪塊內容比較讓我感興趣，或者是我們剛好做過或者即將要做，都會深入聊聊看。一方面了解一下對方的想法以及做法，一方面也可以從側面看得出這個人的品質以及能力。
我是面試官系列 關於溝通
題目 設計一套程式，模擬兩個人的交流過程 子題目 1.設計乙個類，主體是人，包含與另乙個交流過程中需要的方法 2.設計一套類，能夠描述兩個人針對乙個task，達成乙個共識 3.如果乙個人很懂溝通，另乙個人不懂溝通，程式的執行結果是什麼 4.如果兩個人都不會溝通，程式的執行結果是什麼 5.如果兩個人都...
「簡歷造假，面試坦白」如果你是面試官給過嗎？
最近公司想招一名做c c linux服務端開發的開發。要求是 1.3年以上linux後台開發相關經驗。2.精通tcp ip協議棧。對os和體系結構由深刻理解。3.熟悉linux核心及各基礎模組，有提交核心patch優先。4.有開源專案貢獻經驗優先，對技術新動向有敏銳的嗅覺。5.會分布式 高併發優先。...
浪裡淘沙，沙裡淘金 我是面試官
公司校園招聘下手有點晚，加上我們是一家小公司，在招聘資源的競爭當中處於劣勢。所以，我們要 浪裡淘沙，沙裡淘金 努力發掘被大公司遺忘的寶貝，這樣還是可以花小錢辦大事。什麼樣的人，是我們眼中的寶貝 1 我們考察乙個應屆畢業生的首要指標是綜合能力。其中包括 1 表達能力，能夠清楚表達自己的想法。2 溝通能...