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！