美团机器学习算法面经分享

扫码牛客的内推，大概一周前做的笔试，选择题好好做了，代码0ac，本来以为没我事了，前天收到面试通知，昨天去面了两面，走的时候据说是交叉面，对我来说没差，都是面试。😂
一面，面试官不管问什么模型，都会问一句y，loss，反向传播。。。问到的模型包括lstm cell，GRU cell，crf，fm，lr，word2vec两种模式，xgboost，gbdt，node2vec，及以上大多数模型的loss和反向传播。写的题比较简单，大概是觉得我前边答得太不好了，不好意思为难我了，出了一个判断两个二叉树是否相同，递归可用。
二面，分类问题的loss为什么选交叉熵，MSE可以吗？基尼系数的公式为什么这么写？xgboost和gbdt区别，xgboost好处，语言模型的一些问题和bert，开放式问题:骑手社区的无监督言论怎么归纳出几个主题（主题模型），kmeans等，具体流程怎么设计。写题写了个对一个数组随机排序，每个位置都随机，o(n)。
总体感受:写题比较简单，模型扣的细，细的程度不是理解网上博客写的就可以，而且要看原论文。一面的时候被憋的几乎想拿书包走人了，说的最多的话就是，这个记不清，这个不了解。。。个人感觉不算写题的话，难度比腾讯的前两面要难，约等于三面难度。建议大家深扣细节！上述nlp的内容是因为我做nlp，略参考就可以。

#面经##实习##美团##机器学习##算法工程师#