OPPO西安 机器学习凉凉经

约的是三点半,差不多六点到我,等的时候快饿晕了,真不明白面试官不饿的嘛

1,进去本以为要自我介绍的,结果直接,他看着简历介绍我(蒙圈...)
2,开始项目相关的问,看着简历来问,主要是问xgboost的在项目的应用,以及参数选择还有lstm的应用。
3,还有一个视觉欺骗的项目(这个感觉面试官不太懂)没咋聊
4,你了解的激活函数的优缺点(这个没回答好)
5,还有一个我忘了
6,后面竟然就问我,还有什么要问的
(竟然这么快!!!?)

最后感觉应该凉了,去吃汉巴味德了😅#vivo##机器学习##面经##校招#
全部评论
King就是牛逼,多谢款待😘
点赞 回复
分享
发布于 2019-07-15 19:25
我也是40桌 只问项目,问激活函数的缺点 ,l画stm的结构,也不推公式,也不撕代码,我估计也凉凉了
点赞 回复
分享
发布于 2019-07-15 22:01
阅文集团
校招火热招聘中
官网直投
面算法岗的大佬好多啊,我西啪啪的前面只有一个人在排号
点赞 回复
分享
发布于 2019-07-15 19:27
哪个桌啊 41?
点赞 回复
分享
发布于 2019-07-15 19:39
汉巴味德肉太多,有点腻
点赞 回复
分享
发布于 2019-07-15 20:21

相关推荐

#推荐算法面经##快手暑期实习### 快手【转正实习】-推荐算法(简历挂)简历挂快手【转正实习】-机器学习(第二志愿流转)### 第一次面试 - 时间:2024-03-27 11:00- 自我介绍- 手撕:  - 数组中第K大值(维护K大小的堆,复杂度O(nlogk))  - 快速幂- 本科推荐系统项目  - 召回用了哪些    - 非个性化:热度和高质量召回    - 个性化:FM、deepFM  - 召回的输入特征怎么来的  - FM召回算的什么分数,干什么用的  - FM特征怎么构造的  - 年龄等dense特征怎么处理的:直接送入或者分桶  - 召回融合方式:轮转召回融合和线性加权  - 排序用了哪些    - 协同过滤    - deepFM  - 协同过滤怎么做的  - 知道/用过哪些评测指标  - 是用的离线推荐吗:只写了离线层,没有实现在线层和近线层,数据规模小,用户五万 物品十万  - 大规模数据怎么处理:聚类选择代表性物品和用户,聚类id  - 数据库里存的什么信息,怎么计算FM的二阶特征交叉  - 冷启动怎么解决- 论文:照着paper讲解- 反问环节  - 项目规模  - 落地业务  - 我对该岗位来说,还有哪些需要提升和学习的?套评价,分析面试官反馈:实操丰富,但是缺少实践经验,本身招实习也是为了你们能来实战,感受业务场景从评价看,感觉一面能过。中午面下午就来二面消息了,不愧是**快**手,确实快😀
点赞 评论 收藏
转发
点赞 评论 收藏
转发
点赞 19 评论
分享
牛客网
牛客企业服务