自我介绍和项目介绍 二面问的更加深入，主要是从论文成果、项目经历出发，考察所用的算法的背景、应用场景、方法细节和具体结果实现了什么样的效果，与其他baseline相比有什么样的提升、有什么关键的指标吗？ 小结下回答项目问题的基本思路： 背景介绍很关键，面试官往往不懂我们的应用背景，要先介绍项目的背景：应用场景、数据集、设备 介绍我们项目的难点，由难点引出项目的贡献点：非平稳运行、变量间时延、没有合理的推理框架、冗余因果 方法部分 手撕代码-Coding 题目 给出一个升序链表，将其转化为一个平衡二叉树 实例： input：{-1，0，1，2} output：[1, 0, -1,...

铺垫问题 字节的面试官很和蔼，见面先做了岗位的介绍和业务分析。然后开始自我介绍，介绍学习经历、研究内容一类相关知识； 针对复杂网络节点重要度的判断、网络分形特性的问题进行了详细的提问，怎么设计指标、怎么判断节点重要程度； 图论的基础知识（插播一条）： 关于项目的工业背景——要考虑到面试官可能并不是我们所处背景下的，所以在聊项目之前最好先简要介绍下项目的背景，设备特性、时序特性、难点问题等等，然后串接上我们的贡献点，这样循序渐进，更容易为面试官所接受； 机器学习基础知识考察 （时间序列预测）LSTM和RNN最大的区别是什么？RNN的弊端是什么？LSTM有几个门？ （集成学习boostin...

首先是自我介绍-大概两三分钟左右，我主要从研究生开始倒叙介绍，学历背景，本科和研究生的研究方向； 然后面试官根据本科研究的复杂网络节点重要度排序问了一些问题，但是因为面试前惯性思维以为不会太关注本科内容所以准备的不是很充分（现在想想可能因为节点重要度可能与投递的搜推广业务很符合，所以面试官比较感兴趣） 接下来是研究生阶段因果推断项目的一些内容，因为用了Xgboost库做了一个分类任务，所以问了一些基础的集成学习方法的看法：具体问题包括 是否有用XGB和其他方法比较？因为是工程应用，我说还没比较，因为可靠简单好继承 XGB和random forest的区别？都是集成学习的典型算法，都是弱分类器...