腾讯游戏数据挖掘实习一面

因为面试官也在美东,所有直接加我微信约时间。面试官背景特别厉害,语音面试,一共面了1h
1)自我介绍(我学金工的,算跨行,所以讲了下为啥投腾讯)
2)知道GLM吗(不熟)
3)知道哪些分类算法?(回答了决策树、RF、SVM、贝叶斯、神经网络)讲讲RF和XGboost区别
4)讲讲LSTM(项目里有)
5)知道哪些特征筛选方法?(答了相关性分析、回归法、互信息、PCA)
6)A\B test(不熟)
7)场景分析:如何给玩家的商城界面的皮肤排序(答了一些RNN方法)?如果是新玩家呢?(答了用pre-trained model直接给排序)
8)场景分析:如何给游戏商品定价?结合道具图片、描述。(答了CNN、NLP相关)如何提取道具图片的特征?(答了用CNN)
9)编程语言?
10)有什么问题?
哎,面到最后感觉面试官语气有些疲倦了,还是自己太菜了,根本没在互联网公司实习过,不知道他们需要什么。感觉还是回自己老本行吧。
祝大家好运吧!
#实习##数据挖掘##腾讯##算法工程师##面经#
全部评论
楼主没实习过这些场景题目答得太空中楼阁了,在实际业务中,神经网络用的很少,简单模型甚至规则能解决的,基本不用神经网络(楼主可以想想神经网络相比传统机器学习,到底优劣势在哪里),第一个场景题,就是一个推荐,或者说广告中的ctr问题,比较好的方法是多通道召回(热门通道,协同过滤通道,个性化标签通道等等),新用户是冷启动问题,这个时候关键不是模型,而是特征,冷启动是很难的,比如用户用什么手机?好友的皮肤拥有情况等等
22 回复
分享
发布于 2019-03-11 00:06
想知道排序是怎么用神经网络的呢
点赞 回复
分享
发布于 2019-03-11 15:37
阅文集团
校招火热招聘中
官网直投

相关推荐

点赞 评论 收藏
转发
4 74 评论
分享
牛客网
牛客企业服务