蚂蚁金服机器学习实习生一面凉经

1. 自我介绍：

姓名、学校、学历、毕业时间、实习经历、项目经历、竞赛经历、可实习时间

1. 竞赛奖项：

问参加过什么竞赛，答数模二等 + 信安三等

1. 无监督学习：

是否了解图相关算法，如社群发现，答不了解

1. 深度学习：

• 问是否接触过深度学习，答知道CNN、DNN、RNN，介绍了本科国创毕设项目（硬件CNN框架）；
• 问是否是算法改进，答是改进了计算方法

1. 传统机器学习：

• 问是否做过传统机器学习项目，答做过一些；
• 问能否选择一个介绍，介绍了HMM模型在游戏AI中应用的项目，具体解释了HMM模型的三类问题以及我们如何将三类问题用在游戏AI的实现上；
• 问是否会降低精度，答不会，我们是基于HMM的性质做的，不会对结果有影响；
• 问阈值是怎么调节的，答经验调参（尬笑）；
• 问怎么衡量模型优劣，答testing error和F1 Score，再问讲一下F1 score的计算方法，答出来了，问还有其他方法么，答lossfunction；
• 问AUC、ROC曲线了解吗，答听过没用过（GG），然后面试官提了一个case说这两个曲线的应用场景；
• 问随机森林和GBDT的区别，答一个是bagging一个boosting，问random forest随机在哪里，答随机在每个节点的特征选择、random sampling等；
• 问了解XGBOOST吗，讲一下它和GBDT的区别，我只答上了一个机器学习方法一个工程实现，贴一个正确答案在这里：

（1）GBDT是机器学习算法，XGBOOST是该算法的工程实现；

（2）在使用CART作为基分类器时，XGBOOST显式地加入了正则项来控制模型的复杂度，有利于防止过拟合，从而提高模型的泛化能力；

（3）GBDT在模型训练时只使用了代价函数的一阶导数信息，XGBOOST对代价函数进行二阶泰勒展开，可以同时使用一阶和二阶导数；

（4）传统的GBDT采用CART作为基分类器，XGBOOST支持多种类型的基分类器，比如线性分类器；

（5）传统的GBDT在每轮迭代时使用全部的数据，XGBOOST则采用了与随机森林相似的策略，支持对数据进行采样；

（6）传统的GBDT没有设计对缺失值进行处理，XGBOOST能够自动学习出缺失值的处理策略。

1. 部门介绍和自由提问：

问看中什么能力，答基础、经验、问题解决能力。