滴滴出行-地图事业部机器学习岗面经（3-27）
楼主小白，然后最近几天投了几家公司，然后感觉就是面试特别累，前天面了一家国内知名手机厂商，然后这两天人歇菜的感觉，然后真是面完回来一点学习的想法都没有，但是坚持把自己的面经写出来，为了引导那些曾经和我一样迷茫的菜鸟们。
————————————————————————————————————-分割线
一共面了3面吧，前两面是技术面，第三面感觉是leader，上来给我科普公司业务，然后如果去了的话做的哪部分工作，给我解释选择工作时的两种方向，感觉十分nice，非常耐心的倾听我的问题，然后针对性的给出建议，感觉这些公司面试体验都是非常好，至少感觉的出来他们很尊重面试者，让我这种小白不至于过分紧张。
一面：一面时长差不多1个小时吧，简单介绍了下简历，然后问了下LR的损失函数，然后LR的解析解（这个地方解析解我是真没听过之前，然后我LR展开联想终于一不小心说对了，最后了解到，解析解就是不经过迭代怎么求出W的估计值，其实就是对交叉熵求导=0时的W值，迭代的话就是梯度下降了），然后聊了了SVM，对贝叶斯的看法，说一说极大似然估计和最大后验估计。项目的话问了graph embedding相关的，解释了一下GCN的推导过程，从拉普拉斯矩阵分解到傅里叶变换再到平滑处理来得到第二代GCN的表达式，然后就是问了一些python的基础，比如怎么去用map函数，怎么得到list中的index、value值，最后写了一道code题，剑指offer，排序二维矩阵找target，还有一道智力题，就是两根不均匀的香如何测定15分钟。
二面：二面面试官主要问了下xgboost的原理，xgb和gdbt的区别，然后就是聊了下之前打比赛的细节，怎么做特征工程，为什么这个特征有效，有尝试其它的模型嘛，为什么要用stacking，最后模型融合有帮助嘛，然后解释了一下FM、DeepFM方面推荐的基础模型。然后二面就结束了，差不多就30小时吧
三面：感觉是部门leader，说话办事雷厉风行的感觉，和他聊天感觉就是全程给我建议，针对我这种小白提供了一些步入公司之前该做的准备，非常nice的加了微信，、因为该部门的话现在要做的其实是让我尝试新的方向，而且我也正好喜欢探索的感觉，之后可能会请教一些该方面的经验还有提前了解一下业务吧。
面完基本就是2个半小时，3面面试官给了我充足的时间来考虑，然后就这样吧，弱鸡继续去学习了。
#滴滴##面经##机器学习##实习##算法工程师#
大华股份一面6人在聊
投递帆软软件等公司10个岗位 >