实习面试--腾讯机器学习面经
腾讯
岗位:应用研究(机器学习)
渠道:内推
1、技术一面
电话面
1、自我介绍
2、问本科专业和计算机专业有哪些区别,专业主要是学什么,必修选修
3、问项目,然后聊里面的算法,解释两个最熟悉的机器学习算法,项目里面的特征怎么处理的,为什么用这些机器学习方法去做,样本不均衡的话怎么处理
4、学过哪些机器学习课程
5、关于最优化方面学过哪些课程
6、问牛顿法怎么求解
7、最后问怎么解决过拟合的
2、技术二面
电话面
1、问了实验室方向,所做的事情?实验室的毕业生一般去哪工资?
2、实习允许么?问不是一般放假一个月两个月的么?
3、问一个项目,项目需求、怎么做的,为什么选择LSTM?
4、要写论文么?是实验室强制的么?
5、了解阿尔法狗么?
6、熟悉哪些机器学习算法?
7、决策树有哪些选择最优划分节点的方法?有了信息增益为什么还提出了增益比?
8、模型评价标准,RMSE\ROC\AUC等等
9、平时一般用什么做工程、用什么做算法?喜欢工程一些还是算法理论研究?
10、QT和python怎么结合?
11、C 实现多态的好处,有哪些实现多态的方法?
12、了解推荐算法么?举例说明一般个性化推荐怎么做的?
13、你有什么问题?
3、技术三面
电话面
1、问了实验室的方向,硕士生和博士生都做什么,实验室毕业生有多少?
2、实验室要求不要求发论文?打算在哪方面做研究?举个例子说明想法。我就说了看CVPR上面少量样本学习的那篇文章里面的一些想法。
3、专利内容是什么?并详细了解一个项目。
4、还熟悉哪些机器学习算法?
5、问那你说说决策树分类和回归时候有哪些区别?
6、介绍阿尔法狗的原理
7、了解最近提出的胶囊网络么?
8、对推荐算法有了解么?
9、分类模型评价标准有哪些?追问,AUC可以用于多分类模型么?
10、看过哪些相关的书籍?
11、学习过哪些机器学习课程?
12、平时用什么语言?我一般做算法用python,做工程用C 。追问你用python主要是用scikit-learn库么?我说有的是用了,有的要自己写,比如GMR,RBF,还有的用tensorflow的深度学习框架。
13、你说说C 多态的好处?
14、纯虚函数的用处?
15、虚函数的好处?
16、C 类里面有一个静态成员,那么有什么特性?
17、哪里人?
18、做过笔试么?觉得考的怎么样?
19、最后说两个月的实习有点短啊,我解释了原因,说不让出去实习,实验室允许请假一个月才有两个月的机会。
4、技术一面
现场面
1、实验室方向是做什么的?
2、python交换数字a,b
3、python对一个列表删除所有为0的数字
4、python怎么定义一个类的成员变量
5、linux怎么删除一个进程?那么进程号怎么知道呢?(grep)
6、linux命令怎么查看硬盘太小
7、LR和SVM的区别,当聊到损失函数,问分别是什么?hinge损失函数里面的z是什么?
8、决策树里面的分类树怎么选择划分属性,给了两个属性分布情况,问选择哪个?
9、决策树做回归时候划分点怎么选择?
10、LSTM对于RNN的改进地方在哪?解决了RNN的什么问题?(梯度弥散)
11、那么RNN的梯度爆炸怎么解决?
12、LSTM的结构,里面的遗忘门是一个数值还是向量?维度是多少?
13、python写一个函数,实现给定一个列表,把列表所有0移到列表最后面,其余相对顺序不变,要求时间o(n),空间o(1)
14、python写一个函数,实现有1T 的数据,10亿个不重复单词,给你一台机器,16G的内存和5T的内存,怎么统计每个单词的个数?
15、补充一个还有LSTM你用的优化方法是哪个,我说是Adam,他问还有哪些,我说SGD等等,他问GD和SGD的区别了
5、技术二面
现场面
1、不打算读博么?
2、能够实习几个月?
3、为什么用到LSTM?
4、解释一下AUC(ROC的面积),从概率上面的解释一下?
5、解释一下交叉熵
6、解释梯度消失和梯度爆炸问题,然后怎么避免?
7、解释一下模型训练里面的偏差和方差对于训练的意义?
8、用了gcc没?
9、用过python没?用了,zip作用,说打包。numpy里面的list的引号是什么意思?不知道问的是啥。
10、自己在学习中比较高兴是什么时候?
11、有没有关注最新科学界动态?讲了一篇CVPR2018的文章
12、你有没有什么问题?我问您是哪个部门的?
6、HR面
现场面
1、从2016年以来就是一直在做舰艇自适应决策是吧?这个是和企业合作么?什么时候做完?能来实习么?
2、专业属于哪个学院?计算机还是软件?
3、家在哪?家里面还有没有兄弟姐妹?
4、还面了其他的公司么?
5、主要熟悉的是tensorflow是吧?
6、为什么没有看见论文呢?之前没有计划发是吧?
7、平时怎么学习机器学习算法的?
8、没有考虑做竞赛么?目前在做算法比赛
9、有什么问题
#实习##腾讯##机器学习##面经##算法工程师#