一、OPPO提前批（崗位：機器學習演算法工程師）

1.1 一面(通過)  2018.07.21

1. 手寫二叉樹前序遍歷
2. 劍指offer青蛙跳臺階問題：一隻青蛙一次可以跳上1級臺階，也可以跳上2級。求該青蛙跳上一個n級的臺階總共有多少種跳法？    我：採用遞迴的方式做，f(n) = f(n-1) + f(n-2)  n>=3;  f(1) = 1;   f(2) = 2; 面試官：如果不利用遞迴方式怎麼做？ 我：構建一個vector向量，[1, 2, 3, 5 ...]  當前數等於前兩個數字的和。面試官：這樣做空間複雜度多少？我：O(N) 面試官：有沒有更好的方法。我：用兩個變數代替f(n-1), 和f(n-2)， 每次計算完後更新他們的值。這樣做空間複雜度為O(1).
3. 簡述一下XGBoost？  boosting的思想是每一個基分類器糾正前一個基分類器的錯誤，至於糾正的方式不同所以有不同的boosting演算法，比如通過調整樣本權值分佈訓練基分類器對應的AdaBoost，通過擬合前一個基分類器與目標值的誤差的負梯度(也不能說是殘差，只有在損失函式是平方損失時才能叫殘差，一般的損失函式是近似殘差)來學習下一個基分類器的方法是gradient boosting
4. 單例設計模式
5. 決策樹分裂條件？
6. 資訊增益怎麼計算？
7. 給你兩個向量，它們之間的距離計算方式有幾種，分別怎麼計算，寫出計算公式
8. 分類問題的損失函式

1.2 二面(掛)  2018.07.21

1. auc和f-score的區別
2. SVM的工作原理
3. 未來三年的的規劃
4. 你收穫最大的一門課程，分別站在自己的角度和別人的角度說一下為什麼你的收穫大，比別人收穫多
5. 你關注時事熱點嗎？說一下你最近關注的熱點，你對此有什麼看法
6. 最滿意的一個專案，詳細介紹一下
7. f-score的表示式
8. 最難過的一件事，怎麼解決的
9. 寫程式碼是如何調優的
10. 對於寫程式碼如何看待
11. 說一下你的優勢

二、多益網路（崗位：人工智慧及大資料研發工程師）

2.1  一面  2018.08.16

1. 介紹一下自己
2. 談一下你的覺得不錯的專案
3. 深度學習中的正則化
4. 線性迴歸與邏輯迴歸的區別
5. 連結串列與陣列的儲存區別
6. QN與DQN的區別
7. 你有offer嗎
8. 你如何看待加班
9. 假如你有一千萬的資訊文字，你如何找出重複最多的前十條
10. 氣泡排序

三、阿里巴巴（崗位：機器學習演算法崗）

3.1  面試前的瞭解  2018.08.20

1. 卷積核的作用？在影象中或者文字中？（提取特徵）
2. Pooling層的作用？（擴大感受野，降低引數規模）
3. 有沒有關注神經網路的可解釋性？哪些方法？
4. 有沒有想過利用RNN結構去處理自動駕駛中關於時間連續的問題？
5. CBDT屬於整合學習中的哪種結構？損失函式是什麼？
6. CART的基本結構？
7. RELU的正半軸是線性的，怎麼實現非線性的呢？（解答）

四、網易網際網路（崗位：機器學習演算法崗）

4.1  一面  2018.08.29

1. 自我介紹
2. 程式設計：給定兩個有序連結串列如L1:{1,3,5}， L2:{2,4,6}，輸出{6,5,4,3,2,1}
3. 專案介紹：基於模仿學習的自動駕駛(負責工作及實現流程)；天池工業AI大賽(特徵工程、XGBOOST詳細介紹：一定看透論文！！！)；
4. 樹結構：當特徵值為連續的如0.001，0.0011，0.0011...如何進行分裂
5. 模型結構：ResNet50的網路結構
6. 介紹一下遷移學習，如何Finetune

五、招銀網路（崗位：機器學習演算法崗）

5.1  簡歷面  2018.09.12

1. 缺失值如何處理
2. 特徵工程的處理
3. 介紹如何做的模型融合
4. 說一下XGBoost與GBDT的區別，是否瞭解lightgbm, catboost
5. 智力題：一條線段隨機分成三段，能拼成三角形的概率是多少？
6. 如何實現一個連結串列的逆序
7. Python中如何用pandas讀取一個很大的檔案，這個檔案超過了計算機的記憶體
8. 解釋一下Python的裝飾器