上周參加了字節跳動測試開發的崗位面試，記錄一下整體的面試流程：
這是一面技術面，沒有hr面。
首先是自我介紹，做過哪些項目，用了什么技術，有哪些缺陷；印象最深的項目，你負責哪些部分，用到什么技術。
然后根據你的介紹會提問，問了我期望的崗位和工作生涯規劃；對面試崗位的理解；對測試的理解，有無經驗。
接下來是一些計算機基礎問題。

字節測試開發工程師面試題

對http和https的理解，區別；
對數據傳輸，get和post的理解；
http無連接的 怎么理解；
post如何傳輸數據；
java復習了啥知識點；
hashmap和hashtable的區別，各自的底層實現，應用場景；
數組和鏈表的理解，區別，應用場景，時間復雜度；
多線程；
數據結構基礎，什么場景下用什么數據結構，快，安全等等；
測試用例設計：微信視頻通話。
接下來手撕算法：

最長有效字符串：輸入()()()((())())( ；輸出3；()()()
二叉樹中序遍歷：遞歸非遞歸；
反問。

贊一下(0) 踩一下 查看面試題參考答案>>

無領導，一組八人，都是名校碩士，印象中有新加坡國立、人大、清華、浙大，最差的就是我本人了，北京某985，面試是圍繞餐飲業出海經營問題，探討可能出現的問題以及i相應的解決措施，討論時間40分鐘，都是大佬，面試過程中發現一半以上都有在國外學習經歷，所以他們不僅知識存儲多，也有很多不一樣的視角

字節管培生面試題

面試完后兩個面試官進行點評，一般都只提問滿意的面試者，這一場，除了我和另外一個沒有說話的男生，其他人都被提問了，是的！！表現太差本人，沒有被提問，一面完了就gg了，沒有后話了。

贊一下(0) 踩一下 查看面試題參考答案>>

K-means 算法的原理，是否了解其他聚類算法
介紹了 K-means 算法和 DBSCAN 算法
對其他機器學習算法的了解程度，介紹一下決策樹
從劃分指標入手，簡單介紹了 ID3、C4.5 和 CART 三種決策樹
從單棵決策樹延伸到多棵決策樹集成，提到了 GBDT
GBDT 和隨機森林的區別
對 CV 和 NLP 中常用模型的了解程度
只用過基礎的 CNN 模型

字節算法工程師面試題

給定一個較大的數據集，數據集中存儲了許多數據樣本以及每個樣本的重復次數，現在需要從數據集中有放回地抽取若干個樣本，問如何做到無偏抽樣，并分析所提方法的時空復雜度
在面試官的引導下不斷優化所提的方法，最終達到了較為理想的時空復雜度

贊一下(0) 踩一下 查看面試題參考答案>>