作业帮(机器学习推荐\广告) 面经4-10
楼主弱鸡小白阔别2周,又开始新一轮面试啦,面完是真不想学习,但是还是坚持把攻略写了。
先说难度吧,除了这学期开始没准备好阿里体验了2面难度,还有滴滴,小米,与这三家难度对比了一下,个人感觉作业帮是面试难度最难,扣细节,面完楼主怀疑人生的那种。运气比较好,最后还是上岸
——————————————————————————————————————————————————————————
一共4面,1面基础面,2面项目比赛面,3面leader面,4面hr
1面特别扣细节,我不知道怎么回事,感觉和面试官不在一个频道上面,面试官问的我感觉都答了,但是面试官总感觉理解不了,总给我说不是这样,回去再看看书。具体的是 说了一下决策树的构成,损失函数,剪枝,特征分裂,然后GBDT分类与回归的原理(分类和回归最大的区别是什么,楼主说的是损失函数不同带来的初始化与叶子节点的处理方式不同,但是好像不是这么的),GBDT为什么能用残差拟合,xgboost对比gbdt的不同,xgboost最大的缺点是什么?有了解lightbgm嘛?说一说fm,FM参数初始化是什么样子的呢(随机初始化?反正楼主没答到点子上)?那么GBDT+LR模型有了解嘛,其中GBDT是做什么的了(做自动特征组合的,给LR引入非线性,然而再一次被面试官质疑了。。),最后介绍了一下deepFM,还有deepFM的改进deep cross networdk 和 xdeepfm。编程题,一个二维平面n个点,求斜率最大,O(Nlogk)排序+ O(n)的遍历。然后综合之前的表现,楼主准备直接回学校了,谁知道竟然还有二面。。。。。
2面问的是楼主之前的比赛,然后说了一些特征处理,特征工程的手段。因为楼主简历上写了graph embedding,后面介绍了一下deepwalk,其中深入讲解了word2vec,损失函数,怎么优化,分层softmax和负采样作用是什么,能画出示意图解释下嘛,再之后出了个概率题,两个人乒乓球,A比B厉害,那么A想赢的话 3局2胜好还是5局3胜好,这个题是可以用二项分布计算的,但是楼主提了一嘴大数定理,面试官就让我过了
3面leader面,主要聊了一下人生,聊了一下自己对自身的认识,以及对机器学习的看法,对于统计有自己的看法嘛,贝叶斯学派和频率学派有研究嘛。然后说了一下对我学习的指导建议,说多补补C++ 和java准没错,然后给我推荐了一本机器学习书籍 PRML。到这一面超级轻松,聊天氛围也比较好,感觉就是会说话就行了
4面HR,主要聊了一下薪资,作业帮实习的钱算比较多的了,300一天然后一周3-4天,包三餐,其中管三餐对楼主吸引力特别大。
面完作业帮,一面始终是个刺在心里面,感觉自己超级弱,然而楼主一开始面试又没了学习状态,明天本弱鸡还要面快手一面,写完攻略睡一觉,再逼着自己看看书吧
#作业帮##快手##机器学习##面经##算法工程师#