博客
关于我
外企笔试面试凉经
阅读量:257 次
发布时间:2019-03-01

本文共 831 字,大约阅读时间需要 2 分钟。

微软面试经历回顾

一、微软笔试

微软的笔试难度极高,ACM级别的题目,常规难度已经远超Leetcode的中等难度。笔试环节主要包括两道题目:

  • 第一题:Leetcode 1096 Hard的简化版本,无括号嵌套的变种。这道题目具有一定的难度,但如果能够抓住规律,还是有解题思路的。

  • 第二题:涉及图论中的有向图环检测。这类似于判断有向图是否存在环的问题,常见的解决方法是拓扑排序或DFS。面试中,我选择了DFS方法,编写了相应的代码。

  • 笔试结果未能达到预期,未能进入晋级。

    二、复活面

    复活面主要包括两道题目:

  • 一面:涉及一种字符串加密方法。加密过程是将字符串不断左右移动。例如:"abcde"经过加密后变为"dbace"。面试官提示了解密规律后,我逐步找出奇数长度和偶数长度的加密方式,并探讨了两种规律的统一性。

  • 二面:由女性面试官主持,首先让我用英语介绍疫情期间生活的变化,这部分准备不足,导致面试表现不佳。接着进行算法题解答。

  • 三、其他外企面试

    除了微软,其他外企面试情况如下:

  • Hulu笔试难度极大,ACM级别的题目,导致许多候选人被劝退。

  • Paypal简历未过,据群内消息显示有2000人未能通过。

  • 英特尔笔试以选择题为主,编程题只能用纯C编写,例如实现计算器或链表的快速排序。

  • 英伟达面试以选择题为主,内容涵盖底层知识。

  • 亚马逊笔试相当于Leetcode周赛难度,要求应对三道题,二题及以上才能进入面试。

  • Thought Works面试包括英文行测,难度较高。

  • 面试经验总结:

    • 微软面试具有随机性,常见题目较少,需多准备新题。

    • 其他外企面试普遍以Leetcode周赛难度为标准,部分岗位要求较高。

    面试准备建议:

  • 准备常见算法题,掌握解题思路。

  • 参加Leetcode周赛,提升对新题的解题能力。

  • 关注技术面试平台发布的新题,及时学习。

  • 面试流程:

    • 笔试 → 面试官电话筛选 → 技术面试 → 结果通知

    总体来看,技术面试环节难度较大,需在面试前充分准备。

    转载地址:http://hjqv.baihongyu.com/

    你可能感兴趣的文章
    OpenCV与AI深度学习 | 基于PyTorch实现Faster RCNN目标检测
    查看>>
    OpenCV与AI深度学习 | 基于PyTorch语义分割实现洪水识别(数据集 + 源码)
    查看>>
    OpenCV与AI深度学习 | 基于YOLO11的车体部件检测与分割
    查看>>
    OpenCV与AI深度学习 | 基于YOLOv8 + BotSORT实现球员和足球检测与跟踪 (步骤 + 源码)
    查看>>
    OpenCV与AI深度学习 | 基于YOLOv8的停车对齐检测
    查看>>
    OpenCV与AI深度学习 | 基于机器视觉的磁瓦表面缺陷检测方案
    查看>>
    OpenCV与AI深度学习 | 基于深度学习的轮胎缺陷检测系统
    查看>>
    OpenCV与AI深度学习 | 实战 | OpenCV传统方法实现密集圆形分割与计数(详细步骤 + 代码)
    查看>>
    OpenCV与AI深度学习 | 实战 | OpenCV实现扫描文本矫正应用与实现详解(附源码)
    查看>>
    OpenCV与AI深度学习 | 实战 | 使用YOLOv8 Pose实现瑜伽姿势识别
    查看>>
    OpenCV与AI深度学习 | 实战 | 使用YoloV8实例分割识别猪的姿态(含数据集)
    查看>>
    OpenCV与AI深度学习 | 实战 | 基于YoloV5和Mask RCNN实现汽车表面划痕检测(步骤 + 代码)
    查看>>
    OpenCV与AI深度学习 | 干货 | 深度学习模型训练和部署的基本步骤
    查看>>
    OpenCV与AI深度学习 | 手把手教你用Python和OpenCV搭建一个半自动标注工具(详细步骤 + 源码)
    查看>>
    OpenCV与AI深度学习 | 深度学习检测小目标常用方法
    查看>>
    Opencv中KNN背景分割器
    查看>>
    OpenCV中基于已知相机方向的透视变形
    查看>>
    OpenCV中的监督学习
    查看>>
    opencv中读写视频
    查看>>
    opencv之cv2.findContours和drawContours(python)
    查看>>