数据结构与算法
LeetCode在面试时常被认为是衡量CS水平的重要指标,精刷大于泛刷,熟练度大于题量
1. offline 刷题策略
大厂的面试一般非常规范和模版化,严格按照标准评分,想到某个方向可以加多少分,写出一个实现可以加多少分,有bug扣多少分,答错复杂度扣多少分等,因此需要尽量提高熟练度,并且踩对得分点和signal。
1、初步掌握常见数据结构和算法,包括常见类型的解题模版
2、按tag刷题,模版的基础上,不断强化练习。尝试多种解法实现
3、按热度刷题,参加周赛,刷题量达到满意要求。结合问题交流、复杂度分析、头脑测试
4、练习边说边写,面试前,针对面试公司tag和最新面经进行重点练习
2. online 面试解题过程
快速给出bug free代码,面试过程中沟通和思路介绍同样非常重要。做题前的寒暄、个人和项目介绍不必随意展开(1~2min),给做题留足时间。
(1) 面试官出题
(2) 面试者读题并提问 clarification questions
有面试官会故意遗漏内容,不明白的地方一定问清楚,而不是随意假设。可以通过列举test case,确保真正理解问题并涵盖所有情况。
需求确定好之后,确认输入输出的类型和边界,input/output type, 特殊情况找没找到的时候返回什么
input element的范围
数字: 全是正数或者全是负数 或者返回必须正数或负数
size 以及edge cases of null or empty
string:是不是都是English letters (A-Z),有没有特殊符号,有的话,会有哪些出现
input element 有无重复
standard input, empty input, malformed input, long input, null input, other edge input
能不能改input (1D/2D array比较常见)
时间空间复杂度要求
需不需要in place
有没有内存限制
区分sub-arrays和subsequence等
输入是否有重复样本,输出是否允许重复
(3) 面试官回答问题保证面试者正确理解题目
(4) 面试者思考怎么做,有想法之后先和面试官讲明白思路,并得到认同
从逻辑/模拟角度思考如何做这个任务(第一性原则出发)。没有思路时,想想更简单、数量更少时如何处理.
Whenever coming across a solution, talk it out and discuss it with the interviewer
2分钟内还没有思路,主动和面试官要提示(hint)
可以询问:Am I in the right direction?
想不到最优的方法也可以先跑一个可行解再优化,不确定是否最有可询问 "Could we have a better solution?"
熟悉的题目也可以先说一下穷举/暴力做法,然后简单分析下重复操作或者引入高效的数据结构,从而引入到最优解
算法没有得到面试官认同前不要着急动手写代码
(5) 确认好思路后面试者写代码实现算法
用什么数据结构,什么算法。讲思路的时候,一定说清楚为什么选择这个数据结构,结合有代表性的test case说明
During writing the code, whenever coming across edge cases, discuss with the interviewer about how to handle the edge case
(6) 跑测试实例验证代码正确
I just finished my coding, now I need to run several test cases to see if I covered all the edge cases and if there is any bugs I missed
注意可能需要自己写tests,给出corner case test
dry run
选择能够覆盖各种边界情况和不同输入的例子
列出你算法的所有变量的初始状态
逐步执行算法,逐步更新这些变量的值
每个关键点,检查你的变量是否符合预期
空,一个数,两个一样的数(重复)
(7) 面试者讲述自己算法的时间、空间复杂度
(8) 面试官确认没问题后准备follow up题目或者下一道题目
算法相关技术也可能被问到
rate limiter
不同的cache机制
geo data (quad tree)
文本搜索提示 (trie)
3. 公司特点
LeetCode: 非tag原题多,hard多(DP, DFS, Backtracking, Trie),极其看重解决问题的思考过程,自己写test case。面经题仍有帮助
Meta
LeetCode: tag原题,35分钟两道题, 看重bug free和最优解
ML system design: recommendation, video search, harmful content detection
MicroSoft
LeetCode: 基础算法、数据结构的快速实现
Amazon
LeetCode: Grind75, 15分钟一道题,原题,Graph
BQ: 每一轮BQ占30分钟+, 2个LP
Tiktok
LeetCode: 不按tag
ML: 可能有国内面试习惯,深挖简历项目,讲清领域来龙去脉
4. 准备
4.1 参考刷题列表
重点: 刷透高频题
4.2 Python
垃圾回收机制gc
全局锁GIL
因为引用计数所以需要全局锁,因为全局锁所以影响多线程
python里的list和dict是怎么实现的
python里的with怎么实现的
4.3 Java
4.4 CPP
4.5 CS基础与DSA
MIT 6.824 分布式系统
MIT 6.s081 操作系统
CMU 15445 数据库
Last updated