贝壳找房机器学习/数据挖掘实习生时间线和面经
回馈牛客
时间线：4.23投递；5.11一面；5.14二面；5.21HR面；5.22收到测评；5.25oc以及offer
一面 65min
全场问项目，挨个问，非常细致。没有算法问题多且杂，以下仅是能回忆出来的）
如果遇到欠拟合怎么办？
xgboost适合处理哪些场景的问题？lstm的step怎么设计的？
欠、过采样是一个输出概率xxx的问题，你怎么理解（没听懂问题）
auc达到early stopping的条件，loss没达到，这种时候停不停？
有一个小弟问你，他用LR还是Xgboost，你怎么给他指导？
LR不太适用交叉的特征，或者特征和目标值不是严格单调的，这种情况你怎么处理？
二面 30min
问了baseline
RF和GBDT的区别
两个开放题
你觉得LR这种传统的机器学习模型和深度学习相比的区别是啥？
之前做过特征工程吗？
暑期能来实习吗？我说看北京要求，现在不能回学校，但是可以远程。面试官说，原来你在家哦，你家哪的？
反问
HR面 20min
前两轮面试体验
实习平台怎么选择，看重什么
了解贝壳的业务吗（HR让我下载app说可以更好体验）
说一个收获最大，最有成就感的项目
手上offer情况
家是哪里的？以后未来工作的城市有考虑吗？
项目中遇到的困难，怎么解决的？
反问
欢迎大家来交流鸭
