某小厂 算法工程师 面经
一面
3道题
binarysearch
searchrange
canpartition
了解哪些最新的ctr模型
图表示学习无监督情况下的指标
了解nlp的么，困惑度
二面 (感觉面试官应该是数学背景) 1h
如何看待阿里事件，自己的态度
如何看待目前算法依然很卷
如何看待内卷
喜欢什么样的工作环境氛围
找工作看重哪几点，城市选择
读研上了哪些课？
本科课程微积分，离散数学，数值分析，矩阵论，凸优化，实变函数，线性代数
了解哪些优化，ml里面，
什么是一阶二阶优化，为什么牛顿法比梯度下降更快
拟牛顿法有哪些
问熟悉哪些机器学习模型，说了LR......
LR模型假设是什么
如何从贝叶斯角度分析LR
LR是不是线性模型，为什么，LR，SVM分类平面的区别
LR是不是判别模型，为什么，什么是生成模型
LR 线性不可分数据行不行，
核方法怎么做的，映射后的空间叫什么
LR可不可以加正则，L1/L2为什么可以起到正则化的作用，为什么可以转换为受约束优化问题，
为什么L1正则可以获得稀疏解
为什么获得稀疏解可以正则化
什么特征的参数会退化为0，参数重要性是什么，如何解释(说了feature和label的相关性)，训练过程中怎么变成0的
什么是过拟合，为什么参数多会导致过拟合
什么是PAC
什么是偏差与方差
过拟合时偏差方差什么变化
KNN是不是线性模型，为什么
knn什么参数会导致过拟合
什么是维数灾难，具体介绍，高维情况下会发生什么问题
