金融转码，我成为了JP Morgan SDE

在北美SDE行业，面试是求职者展示自己技能的重要环节。Google作为行业的领头羊，其面试题往往成为求职者关注的焦点。今天，我们就来探讨北美面试中Google的经典题目——“Find Top K Largest Element”，并分享解题技巧。 问题描述 题目要求在给定整数数组 nums 和整数 k 的情况下，返回数组中出现频率最高的 k 个元素，且答案顺序可任意。例如，给定 nums = [1,1,1,2,2,3]，k = 2，输出应为 [1,2]。 解题思路： 解决此问题的一种常见思路是利用 Min Heap 或 Max Heap。首先通过 Map 统计每个元素的频率，然后将元素及其频率信息存入最小堆。不断调整堆，确保堆中始终保留频率最高的 k 个元素，最后构建结果数组。然而，这种方法的时间复杂度为 O (NlogN)。 优化方案： 为了优化时间复杂度，我们可以借鉴 Quick Sort 的思想。在 Quick Sort 过程中，每次迭代会根据选定的 Pivot 将元素分到两侧。对于这道题，我们对比的是元素的频率而非数字大小。通过选择合适的 Pivot（第 K 个频繁元素），可以快速定位到 Top K 元素。具体操作是先进行一次 Partition，根据元素频率将数组分为两部分，然后判断 Pivot 右侧元素数量与 k 的关系，决定下一步在左侧还是右侧继续查找，直至找到第 K 个频繁元素，进而得到 Top K 元素。 代码实现： 复杂度分析 这种优化后的方法平均时间复杂度为 O (N)，但在最坏情况下仍为 O (N^2)。空间复杂度为 O (N)，N 为输入数组的长度。这就是北美Google经典面试题的解读，你学会了吗？

微软春招面试一共分为7轮，其中1轮电话面试和6轮Onsite面试。面试内容涵盖了编程、算法、系统设计和行为面试。下面是每一轮的详细内容和我的一些经验总结。 第一轮：电话面试 电话面试一开始是自我介绍，接着面试官根据简历提一些问题，最后开始了编程题： 最长回文子串：给定一个字符串，要求找出它的最长回文子串（假设只有一个最长回文子串）。 总结：电话面试氛围比较轻松，编程题目相对经典，重在考察基础算法和思路。 结果：电话面试通过后安排了后续的Onsite面试。 第二轮：Onsite 1 面试官首先进行了自我介绍，随后问了我三个最擅长的编程语言，之后就开始了编码： 最大正方形：给定一个二维01矩阵，要求找出其中全为1的最大正方形区域的面积。 第三轮：Onsite 2 只做了一个设计题，面试大约持续了半小时： 设计一个BitSet类，支持常见的位操作如设置、清除、获取值等。考察数据结构的理解以及设计能力，个人认为清晰阐述设计思路和优化方案就可以。 第四轮：Onsite 3 面试官给出了一个二叉树问题： 给定一个二叉树，判断它是否是合法的，通过中序遍历检查树的顺序即可。考察了对二叉树的深度理解，尤其是如何利用递归和中序遍历来解决，专业技能这一部分考核很细致。 第五轮：Onsite 4 面试官让我做了自我介绍，并回问了前几轮面试的内容。接着，又做了一道算法题。 合并两个排序链表：将两个排序链表合并为一个新的排序链表。 第六轮：Onsite 5 这一轮相对轻松一些，通过我的简历上的真实项目进行提问。之后做一个编程题： 对十亿个整型数排序，尽可能使用最小的存储量。 第七轮：Onsite 6 面试官问我为什么选择微软以及理想的工作地点，接着问我在之前的项目中遇到的最大挑战是什么。 整个面试过程相对紧凑，涵盖了多方面的技术能力：从基础的算法问题到系统设计，再到大数据处理和流式数据处理等问题。面试中不仅仅考察了算法能力，还对我的项目经验和技术背景进行了全面评估。 面试心得： 专业技术方面：面试中的算法题目涉及到很多经典题目，如动态规划、链表、二叉树等。平时需要通过平台多做题，熟悉常见的题型。 系统设计题：常见的系统设计题，理解高效数据结构的使用等，尤其是在大数据场景下如何优化空间和时间复杂度。 语言表达能力：面试过程中要清晰地表达自己的思路，尤其是在解题时，面试官更注重的是你如何思考、分析问题，而不仅仅是最终的解法。还会关注你的行为动作是否显露出自信。 整体上，微软春招的面试不仅考察了技术深度，还考察了你的沟通能力、项目经验和解决复杂问题的能力。希望我的经验帮助大家更好地准备微软面试。

BG：Cornell University 专业：Computer Science GPA：3.15 今天想和大家分享一下我的北美求职经历，从大学毕业到最后拿到工作 offer 的全过程，希望可以给大家一些帮助。 我虽然是CS专业，但我不算是那种从小就编程的“天才”，刚进入大学时我对编程一点儿兴趣都没有，我就只是觉得CS专业在美国相对比较好找工作，所以就选了这个专业。所以在整个大学期间，我的编程能力一直停留在很基础的编程语言上(就会Java)，而且一直都是应付考试、做项目的水平，跟真正的“开发工程师”还差得很远呢。 但反观我的同学来说，他们大部分同学都有很扎实的算法基础和丰富的项目经验，而我当时只知道一些基础的编程知识，感觉自己远远落后于他们。为了弥补差距，我决定从头开始，补充基础知识，并尽量积累项目经验。 虽然我只会基础的编程语言，但还好我跟教授关系比较好，所以我参加了不少学校的project，在这些项目中，虽然没有涉及很硬核的技术栈，但我有积累到实际的编程经验。除此之外，我还报名参加了LeetCode的刷题活动，挑战各种算法题，虽然最开始刷得非常慢，但慢慢地，我开始理解算法的精髓。 为了让自己更加接近“真实开发”，我开始参与一些开源项目，在这里我学到了很多真实的开发技巧，懂得了如何团队合作和如何使用Git等开发工具。此外，我还在暑期争取到了一个和专业相关的实习机会，尽管不是顶级的公司，但却让我在实践中了解了公司的开发流程和工作环境。 在北美求职的整个过程我还是比较顺利的，我很幸运地拿到了Amazon、Meta的面试，我经历了2种不同的面试环节。由于我没有强大的项目背景，刚开始的技术面试非常有挑战性，很多面试官直接给我出了很难的算法题。通过几轮的面试后，我逐渐发现了自己的不足之处，尤其是在算法题和系统设计方面，这些环节是大厂的标准面试流程，能否熟练应对直接决定了是否能进入下一轮。 为此我开始精心准备面试，首先肯定是要刷题的，我的重心都在LeetCode上，做题过程中一定要总结规律，形成自己的解题思路，就算拿着模板也一定要会改。对于系统设计来说，这部分内容相对难度较高，尤其是对于像我这样没有过多工作经验的人。幸好，我在一些网络课程中学习了系统设计的基础知识，并且反复跟同学和导师讨论案例，逐步提升了自己的设计能力。 我面Meta一共是三轮，其中有两轮是技术面，最后一轮是行为面试。每一轮面试的题目都不轻松，尤其是在算法部分，虽然很多题目都有难度，但好在我知道我算法比较薄弱，有专门加强算法，所以还算比较顺利的，有遇到变种题，所以在大概三个月的求职和面试过程中，我终于收到了Meta的offer。收到offer的那一刻，我的心情非常复杂，既兴奋又感慨。从最初的迷茫到最后拿到Offer，整个过程充满了挑战和努力，也让我更加清晰地认识到自己的优点和不足。