同程艺龙 数据挖掘(base北京) 一面面经

形式:视频面,30min左右
时间:29号下午14:30

主要是统计学,机器学习,Python和项目四个板块,顺序不记得了,印象中的问题如下:
1. p值的含义
2. 怎么检验一个数据是否服从标准正态分布
3. 卡方检验和t检验
4. 讲一下有哪些分类算法
5. 用梯度下降求解逻辑回归会出现局部最优解吗?梯度下降求解凸函数会出现局部最优吗?
6. 讲一下有哪几种梯度下降
7. SVM可以输出分类概率吗?
8. GBDT的原理
9. GBDT和xgboost的区别
10. 讲一下有哪些聚类算法
11. K-means怎么确定K值,怎么确定初始中心点
12. 如果给你一堆数据,有几百万个特征,你怎么做特征筛选
13. 说说Python吧,深拷贝和浅拷贝的区别是什么,给了代码问每一次输出的结果。
14. Python的list效率更高,还是numpy的ndarray效率更高?
15. pandas怎么对数据框进行行列转置
16. 说说项目,项目A为什么选择了这个模型?每个模型最后结果如何?
17. 介绍一下项目B。
18. 提问环节。

以上大概有1/3没答出来或者答错了,凉凉。
总的来说,看重基础,实习和项目问的比较少。
面试官小哥哥非常nice,一直在引导,卡壳的地方会换一种提问形式,说错的地方会帮助纠正过来,中间因为语音噪音问题,需要小哥端着手机面试,小哥就端了二十多分钟,真是辛苦了
小哥最后也给了一些建议,说工程能力需要加强,而且实习跟项目涉及的范围比较广,需要增加深度。
小哥真的人很好啊!
哎,菜是原罪,好好复习吧!
#同程旅行##面经##秋招##数据挖掘#
全部评论
就一面吗?
点赞 回复
分享
发布于 2019-08-31 10:05
我也是  连自我介绍都免了 
点赞 回复
分享
发布于 2019-08-29 16:57
百信银行
校招火热招聘中
官网直投
楼主第五题逻辑回归会出现局部最优解是怎么回答的啊
点赞 回复
分享
发布于 2019-08-31 20:26
有收到任何消息嘛?
点赞 回复
分享
发布于 2019-09-02 13:28

相关推荐

2 43 评论
分享
牛客网
牛客企业服务