我投的是基础研究，感觉自己比较幸运，好像是顺利的走了TST的内推，因为在笔试的时候监考官让我们在试卷右上角标注TST。而且面试通知的也是直接去银科大厦，在腾讯的茶水间面的。
接下来说说面试和笔试。
笔试其实挺无语的，和去年的题大量重合，我前一天刚好找了去年的题看，所以很多变态题都答上了。当然，其实还是有3,4道题根本没记住答案（但是知道是去年的题），所以就乱答的。附加题认真答了一道，另一道基本不会，随便写了几行。后来在一面的时候看到自己卷子的分数是71，面试官跟我说分数还不错，我无语ing……
然后是面试，面试一共分2次，最后一次是广州那边经理的电面，可能在5.1左右才打过来。一来比较晚，二来不怎么问技术了，三来我还没接到，所以就不说了。需要提一下的是，选事业群根本0效果，最后面试的部门还是腾讯自己定的，就是说每个部门自己从简历&笔试结果中挑觉得满意的，然后通知他们去面试。也就是说，参加面试的时候，你的实习部门就已经定好了。面试我的部门是腾讯微信模式识别组，据面试官介绍微信的总部在广州，不过他们这个30人的研发小组在北京，是从腾讯研究院分出来的，主要做基于微信的NLP，语音和图像方面的识别算法。
一面：
面试官态度都很好，一共两个人。第一个人主要问了大量简历上的内容，问的很细，很深。比如我获过某个奖，那么他就会问我做负责什么部分，做的什么东西，是怎么做的。我的一段实习经历他也很仔细的问了，基本上就是把我在那个公司做过的所有东西都介绍了，而且是细致到在设计xxx算法时设计和提取了xxx特征，这个xxx特征的具体是怎么提取的，以及物理意义等。总的来说，就是把简历里面能问的基本问了个遍。所以说，大家写简历的时候，自己没把握的最好别写，因为有些面试官会问的很细，或者就挑那种你提了一句的东西使劲问，看你到底有没有做过。简历大概问了半个小时，然后他说我们做几道算法题吧，给了我三道题和一叠纸，给我一个小时做。题都不算难，不过要求编程实现，三道题分别是：
1.用最快的方法计算斐波那契数列
我觉得用o(n)非递归的方法就行，当然有o(log n)的更快方法，不过这个非递归挺难写的（要是递归就达不到o(log n)）。
注：有人提到了直接用公式
来计算值，时间复杂度可以降低到o(1)，真的如此吗？
对此我进行了深入的调研，首先，这个公式里面包含了两个求幂算式，也就是说需要pow函数，那么pow函数的原理是什么呢？在VC里面这个函数的源代码是无法看到的，但是pow函数的原理还是可以查到的，因为在这里n只取整数，那么算一个数的整数次幂，最快的方法也是o(log n)，所以，这部分的运算的实际时间复杂度是o(log n),并不是所谓的o(1)。
空口无凭，我编了一小段程序来验证自己的想法，定义了两个求斐波那契数列的函数，其中fab1是用公式算，fab2用o(n)的方法计算。
void fab1(double in){ double a=1/sqrt((double)5); double b=pow((0.5+sqrt((double)5)/2),in); double c=pow((0.5-sqrt((double)5)/2),in); //printf("%lf\n",a*(b-c)); }; void fab2(int in){ int a=0,b=1,res,i; for(i=2;i<=in;i++){ res=a; a=b; b+=a; } }; int main(){ LARGE_INTEGER freq,begin,end; QueryPerformanceFrequency(&freq); QueryPerformanceCounter(&begin); for(int i=1;i<=100000;i++) fab1(50);//fab2(50); QueryPerformanceCounter(&end); double time=(double)(end.QuadPart-begin.QuadPart)/(double)freq.QuadPart*1000; printf("%lf\n",time); system("pause"); return 0; }
每次求n=50的值，循环取10000次和100000次，得到的结果如下：
循环10000次时，fab1平均时间在1.9微秒左右，fab2平均时间在2.5微秒左右
循环100000次时，fab1平均时间在18微秒左右，fab2平均时间在25微秒左右
所谓的o(1)时间复杂度无论如何也不可能和o(n)复杂度差距这么小吧？因此，斐波那契数列的最低时间复杂度就是o(log n)，另外，由于公式中的数字都是浮点型，如果使用整型的o(log n)算法，理论上应该比这种公式法还要快。
2.给定整数sum，在乱序数组中寻找所有满足x+y=sum的组合并打印
这个很简单，就是先排序，然后维护一头一尾两个指针，找到所有组合，时间复杂度o(nlog n+n)
这个也可以用哈希做，时间复杂度o(n)，不过数据的范围不能太大。
3.在一个超长数组中寻找第K大数
这个不能用快排的partition做，因为数组超长，所以暗含不能全部装入内存中。我当时没太理解题目，所以写了那个用partition做的算法，后来觉得有可能是考堆排序，又大致写了堆排序那个算法的思路：读入前K个数并建立一个大根堆，然后依次读入数组中剩下的数并调整堆，最后从堆中输出最小的那个数就行，时间复杂度o(klog k+n)
第二个面试官看了我的代码和思路之后，觉得大致没问题，然后说我再考你两道吧，说思路就行。
1.在2个排序好的数组中找所有元素的第k大
我刚开始说直接调用一次归并排序的merge就行，o(k)时间复杂度，面试官说让我再想想，还有没有更快的。然后我苦苦思索了5分钟，想了一种o(log k)的，假设两个数组是降序排列，先比较两个数组的第k/2个数，如果相等，则这个数必为第k大的，如果不等，不妨假设A[k/2]<B[k/2]，那么第k大的数必然在A[1]~A[k/2]和B[k/2]~B[k]（假设数组下标从1开始）之中，因此，再比较这两部分中间的数，即A[k/4]和B[3k/4]，然后重复的二分查找，最后就能找到两个数组中的第k大数。其实这个方法我当时是蒙的，并没有严格的证明，不过后来回学校的时候，我自己又仔细的想了一下，的确是正确的。
2.找到1-10000以内的所有质数
如果之前没有接触过算法的，这道题还是有些难度的，因为挨个判断质数的方法时间复杂度太高，不可行。一般的做法是，开辟一个有10000个元素的bool型数组prime[10000]，然后从2开始到根号10000，即100结束，把这些数的倍数都设置为false，例如：取2的时候，prime[4],prime[6],prime[8],prime[10]...都会被设置为false,这样结束之后，再从头扫一遍prime，把里面还是true的数组的下标输出，即为范围内所有质数。不过，我当时很二的说了一句“这道题我做过”，现在想想实在是大忌啊，如果大家面试的时候遇到做过的题，一定不要马上承认做过，因为有的面试官会很不爽，面子挂不住，感觉自己出的题简单了，然后就会来一道巨难的题虐你。还好我遇到的这位面试官人比较随和，说我还挺诚实，但是，不出意外的提高了题的难度。他说我这个基本已经接近最优的时间复杂度了，但是有些值，比如prime[6]，在2和3的时候被重复设置了2次false，所以还有更快一点的，让我想一想。我当时心里各种无语啊，之前做poj上面题的时候从来没想过还有更快一点的。然后我冥思苦想了几分钟，想到了质数和合数的特点，把设置false的规则修改了一下，如果到第n个数，并且该数是true，那么从n开始，下标为n乘以n之后（包括n）为true的数组元素都被设置为false，例如：2的时候，4,6,8,10...都被设置为false，那么3的时候，3*3，3*5,3*7...都被设置为false，因为2,4..都是false了，所以不会出现3*2,3*4等被重复设置为false的情况，这样就能保证每个合数仅被设置为false一次。因此，这种方法比原来的快一些（其实就快了一点点）。
答完了上面两道题，一面基本就结束了，面试官就让我回去等通知了。这次面试大概有2个小时，半个小时问简历，1个半小时问算法。
二面过程
二面是一位女面试官，人很好，完全看不出是做技术研发的，我的第一反应她应该是管理团队的，不过面试一开始我就发现自己错了，她的科研基础实在是太好了。在此，再一次提醒大家，千万不要把自己一知半解的东西放到简历上，遇上较真的面试官，肯定会悲剧的。接着说二面，她首先很有针对性的挑了我简历上那种一笔带过的东西问，看我是不是真的做过。问了大概10分钟，她开始问我的基础知识，在模式识别和机器学习领域学习了什么，我跟她说对于常用的分类器都比较熟悉，她让我对常用的分类器的熟悉程度排一下序，我说自己实现过adaboost，随机森林没写过但是肯定能写出来，svm用过，知道原理，神经网络了解原理，最不熟悉。她接着让我介绍神经网络的原理（挑我最不熟悉……），我想了1分钟，大致把节点的构成，怎么连接每一层，用梯度下降训练之类的说了一通，说实话我好久没看神经网络了，的确不算很熟了。她可能不是很满意吧，然后又追问svm和神经网络的区别。一个是线性分类器，一个是非线性分类器，这个区别其实还是挺明显的，接着我又跟她侃了一下最近比较火的深度学习（deep learning），表达了一下自己的看法，深度学习这个东西，其实计算复杂度太高，并不能覆盖所有的机器学习领域，而且是否一定要依赖于神经网络，其实也存在争议，因为有国外的团队用聚类（K-means）和线性分类器(SVM)组合的方式达到了跟受限波尔兹曼机（RBM）接近甚至超越的效果，大概说了20分钟，她算是比较满意我的回答了。接下来她问了一个很简单但是挺值得注意的问题，在图像处理方面经常需要读取图片，动态申请一个二维数组也很常见，她让我写一下我是怎么做的，下面代码是两种常见的方式
//方法1 unsigned char** pImg= new unsigned char*[m];
for(int i=0;i<n;i++){
pImg[i]=new unsigned char[n];
} //方法2
unsigned char** pImg= new unsigned char*[m];
unsigned char* arr= new unsigned char[m*n];
for(int i=0;i<m;i++){
pImg[i]=arr[i*n];
}
第一种都能想到，但是速度慢，申请内存是分开申请的，所以总的效率完全赶不上第二种。第二种是一次申请内存，for循环仅仅是对指针的赋值。另一方面，在释放的时候，第二种容易忘记释放二维指针的每个元素，也需要循环释放。而第二种就没有这种问题，只需要delete[] arr和delete[] pImg即可。
这道题我的答案似乎她很满意，然后又跟我接着讨论了一些搞算法要追求极致的思想等等，接着还给我展示了她们团队在微信中负责的功能（摇一摇搜歌，这个的确很强大，我自己试过了），接下来又问了我一个牛顿迭代法，一个求方程数值解的方法，这个我的确没学过……，她说我肯定学过，只不过早就忘了而已，而且她觉得这个方法很有意思，跟梯度下降非常相似。呃，我表示无语，跟她说回去一定看。这样又过去大概10分钟。最后，她总结了一下面试，说对我还是挺满意的，觉得我基础比较扎实。哦，她在面试中还提到了团队里面做算法的基本都有acm经历，我表示自己不是计算机科班出身，所以本科没做过，她说这方面还是需要学一学的，我说现在已经学习了一部分，回去再继续学。
总的感觉就是，第二轮面试就轻松了很多，大概只有40分钟。面试官问的都是跟他们研究内容相关的知识，所以基础知识很重要，另外，如果有些东西，自己不知道直说就是了，如果不懂装懂反而让面试官很反感。
当然，这个是我的面试经历，不过面试是因人而异，因面试官而异的，所以大家不要照搬，如果能帮助到大家，那是最好了。里面应该还有一些错误和问题，望不吝赐教。