機器學習算法工程師 實習面經

美團（二面gg）

一面

1. 自我介紹（第一次面試自我介紹就三句話，-_-||）
2. 覺得自己做得最好的項目，balabala
3. 你是做深度學習的，介紹一下你構建神經網絡時候用到的激活函數，並說一下它們之間的特點和區別。
4. 你的研究方向是推薦，說一下推薦系統的研究軌跡（CF，基於矩陣分解，概率圖模型，深度，基於GNN，不知道對不對-_-||）
5. 評估指標AUC是什麼，有什麼特點？
6. NLP和CV瞭解嗎，說一下word2vec和一個你覺得最具代表性的cv算法。
7. 好的，現在我們來做題，第一題，經典臺階問題，我寫的遞歸，面試官說可以，那非遞歸怎麼寫（蒙了，其實很簡單，循環就完事了）；第二題，假設每次可以走1~n階，那麼n階樓梯一共有多少種走法（f(n) = $1+\sum_{i=1}^{n-1}f(i)$）；第三題，區間合併。（代碼題都很簡單，基本上都做出來了）
8. 好了，你的深度學習這一塊還可以，我們看看機器學習。說一下隨機森林，bagging和boosting的特點和區別。
9. XGBoost講一下，GBDT講一下
10. 好了，我們來一道智力題。假設有20個紅球20個黑球，要把這些球放進兩個桶裏，請問怎麼放使得我隨機取一個球是紅球的概率最大（我說的是可以把它轉成最優化問題來做，其實後來一想直接特值法就行，一個桶裏只放紅球，剩下的放另外一個桶，那麼隨機選一個球是紅球的概率爲$0.5*\frac{19}{39}+0.5*1$，接近0.75）。
11. 反問

二面

1. 自我介紹
2. 挑一個項目講一下，balabala
3. 聊聊學習，聊聊人生（其它的技術好像沒怎麼問，我以爲這就結束了）
4. 話鋒一轉，來個開放性的題目，大致是怎麼在點評的app上關於某個特定的tag（我認爲是tag，面試官說你可以這樣理解）進行聚類和分類。比如我有三個欄目，親子游，情侶遊，高冷範，你怎麼把特定的店鋪放在這些欄目下面推薦給用戶；假如我沒有這些欄目，我只有店鋪，你怎麼根據提供的候選店鋪生成這些欄目。
5. 好了，最尖銳的問題來了，假如騰訊頭條美團（因爲這三家我正在面）都給你offer，你選什麼。

騰訊（OC）

一面二面問的和美團差不多，稍微多一些，無非就兩塊：深度學習技術棧和機器學習技術棧。機器學習技術棧問的最多的就是XGBoost、GBDT和LightGBM的差別。二面還問了一下大數據，不過記不起來了
-_-||，後面還有一些記起來再補上。
頭條，不說了，都是淚。

Other

等更新