vivo 提前批机器学习算法面经

再更新一波，听同学说了下它家的奖金机制，要不先签了吧，没有offer啊，只能先签了，等有了更好的再交钱违约吧(눈_눈)
_______
更新一波，发offer了，算法岗劝退价，base北京，最低档，虽然自己是渣中之渣，但是群里只有自己最低，直接拒了，看来跟vivo真的是没有缘分。
我本一心向明月，奈何明月照沟渠(눈_눈)
_______________
楼主学历背景是末流985本硕，因为个人原因对vivo有偏好，所以春招实习也投了vivo，不过没有面试直接进人才库，就很惨😂。春招实习拿了360和华为消费者的ML实习offer，因为时间原因，选择去华为的机器学习岗实习。
听说vivo提前批开启，马上跟本科同学要来内推码，也成功进入面试。
以下是ML面经：
一面
自我介绍
看你做了一些kaggle和天池的竞赛，选一个讲一下？
讲了一个最近做的天池竞赛，说了下自己的工作，又详细说了下自己在构建特征以及扩充数据集的理论依据以及考虑到过拟合与欠拟合的情况是怎么处理的。模型stacking用到了xgb和lightgbm，就又大致说了下这俩区别，比如预排序和直方图等。
既然用了xgb，那就讲一下xgb的大致思路吧？
正则化项，二阶泰勒展开式，最大化分裂前后损失函数减少值。
xgb和gbdt的区别知道吗？
传统gbdt前提，正则化项，一阶二阶泰勒展开式，基分类器比如xgb可以用树模型也可以用线性分类器，gbdt使用全部数据以及xgb类似于rf采样的防止过拟合，xgb缺失值处理等，
提到了gbdt，知道gbdt lr吗？
知道，gbdt lr，用gbdt提取特征，用路径(其实样本被分到哪个叶子节点)作为新的特征加到原来特征训练lr，我又提到这属于推荐系统用的吧，我本人对推荐系统不是很了解，然后面试官也笑了。
你这个竞赛中的算法为什么不用其他模型啊？对其他模型了解吗，比如svm？
说了下数据比较稠密，svm适用于相对稀疏的数据，所以xgb的效果比svm要好。面试官也说嗯，确实树模型适用于稠密数据。
你平常用什么编程语言？
说了下本科在用java，后来做算法用Python和tf，最近在捡cpp。
那用cpp写个算法题吧，非递归中序遍历二叉树？
迟疑了一下说，cpp不是特别熟练，用java能很快写出来。
面试官：那就用java吧，要快。
很快写完了。
对工作地点有要求吗？
楼主是北方人，说北京最好，但是服从调剂。
去等下一面吧
二面HR
自我介绍
本硕都是一个学校？那考研的还是保研的？
你觉得跟你导师与你自己做竞赛能有什么差别？
跟导师学会了研究方法，学会如何主动思考和处理问题。自己竞赛更多的是工程业务能力提升，对算法加深理解。
聊本硕经历，略。
项目中最困难的是？
你有什么问题要问的？
你一定要在北京吗？
我说我能在北京最好，不行也可以去南方。
hr：嗯，我们主要在南方，比如杭州啥的。
还有问题吗？
因为楼主从外地来的，问了下最晚什么时候通知结果。
最晚12号晚上。
___
然后过几天要入职华为了，努力吧，加油吧，好好实习去～
讲道理我废话真多……#vivo##秋招##面经#