求解答的問題：Data這個部門如何啊？hr說老大是項亮。知道AILab好像特別出名。。。

面經如下（有點粗略，有些問題想不起來了。。。抱歉）：

在北郵人上直接投的簡歷，得到面試機會，由於人在天津+各種事情，面試時間推了三次。。。hr小姐姐脾氣太好了，點贊

技術面兩面+hr一面+hr電話直接談入職時間

一面（視訊）50min：

講自己寫的論文，20min，如何用的LDA，講解多臂賭博機，從基本的到我用到的，再到改進，論文中最重要的參考文獻面試官很懂。。。聊得很細

xgboost原理，推導，調參，（由於kaggle專案裡用到過）

基於商品的協同過濾，公式實現，類似於TF-IDF的思想從而懲罰熱門商品

深度學習的東西，防止過擬合

寫程式碼，將一串從小到大的數字，任意輪轉，如1,3,4,5,7,8,23，輪轉為5,7,8,23,1,3,4，給定一個數字，查詢是否在該列表中，給定位置or輸出錯誤。（對二分查詢改進即可）

二面（視訊）50min：

論文又說了20min

分類演算法知道哪些

GBDT的推導，原理。實際專案有用過嗎？沒有。。。

GBDT第二棵樹的輸入是什麼？梯度是幾階的？一階的，xgboost？是二階的，兩者之間的對比等聊了蠻多

GBDT構造單棵決策樹的過程？

分類模型的評價指標有哪些？。。。準確率，召回率，auc，roc。auc的含義是什麼，橫縱軸代表什麼？

xgboost用過嗎？它有很大改進，有哪些改進？答了特徵抽樣，是模擬隨機森林，防止過擬合；支援線性分類器；可以自定義損失函式，並且可以用二階偏導；加入了正則化項：葉節點數、每個葉節點輸出score的L2-norm在一定情況下支援並行，只有在建樹的階段才會用到，每個節點可以並行的尋找分裂特徵。

分類演算法防止過擬合的方法？

深度學習防止過擬合？

寫程式設計題：對一個任意正數開根號，精確到小數點後五位。。。。。。（也是二分法查詢，但是要注意小於1的數字怎麼求呢？）

最後問了一個概率題，一副撲克牌54張，隨意洗牌，分為兩份，每份有兩個2的概率。

最後面試官指出，機器學習演算法的基礎不夠紮實，程式碼冗餘比較嚴重

hr面，10min電話：

二面後十分鐘，hr就打來電話了，聊了十分鐘未來規劃，其他公司offer情況等。讓等訊息，第二天下午，收到錄用電話。

總之，只准備了年後兩個月（但是基本每天都很拼），本來覺得希望是不大的，竟然過了。分析原因如下：

關於自己的專案或論文，自己掌握的非常好（這點必須的吧），並且與面試工作領域較為切合，與面試官互動很好，你來我往；

關於演算法，有的答的很好，其他至少能大概答出來關鍵點，不至於完全不知道，沒有硬傷；

程式設計題。。。太雞肋了，因為我真的沒有刷過程式設計題，還是通訊專業的，唯一做過的題就是之前參加各公司筆試時候順便練的。。。真的太菜了。。。包括這兩輪筆試，題目都是短小精幹型別的（發現面試基本都這樣），都不是一口氣編出來的，但是最後過了，感覺是因為很快都想到了突破口（然而並沒有一口氣編出來），和麵試官有很好的互動，每當我卡主，面試官給我一點隱晦的提示，我都很快反應過來，get到了，於是面試官可能覺得我悟性還可以？（這是我猜測的。。）

希望對各位能有幫助，堅持就是勝利，offer會來敲門的。

點選作者姓名與作者大佬交流~

作者:ALOH

來源：

牛客網