SHEIN算法工程师（南京）三面已凉！
shein 算法工程师 （南京）
一面业务初试面经
30分钟
1. 简单介绍项目，哪里有出彩点
2. 对数据挖掘项目进行深挖：数据如何处理（缺失值填充，归一化，序列化），运用了什么方法（介绍随机森林，boosting，bagging等），小样本数据如何处理（两方面：数据集，损失函数说了focal loss介绍了一下）
3. 一些基础，LR损失，LR,svm区别，svm核函数作用，能否用任意函数作为核函数，LR最大似然函数的作用，如何降低方差，偏差的方法
反问，表现如何：挺好的，有时间有兴趣可以了解一下传统机器学习深层的数学逻辑
二面业务复试面经
30分钟
1. 项目的介绍，主要是针对项目的实施、周期、人员组成等方面
2. 机器学习的基础知识（LR，XGBoost与LGBM的区别，有一个点之前没太注意：随机森林里的决策树往往比GBDT深为什么，还有一些基础的问题不太记得了）
3. 问了一些基本情况，了解shein吗，家哪里的，对内卷怎么看，你是怎么做的等等
三面大leader面面经
22分钟
1. 自我介绍：详细一点
2. 项目怎么做的，解决什么问题，创新点在哪，成果，具体怎么实施等
3. 实习：干什么的，最大的收获，解决了什么问题，具体怎么做的，多少人参与解决需求
一面业务初试面经
30分钟
1. 简单介绍项目，哪里有出彩点
2. 对数据挖掘项目进行深挖：数据如何处理（缺失值填充，归一化，序列化），运用了什么方法（介绍随机森林，boosting，bagging等），小样本数据如何处理（两方面：数据集，损失函数说了focal loss介绍了一下）
3. 一些基础，LR损失，LR,svm区别，svm核函数作用，能否用任意函数作为核函数，LR最大似然函数的作用，如何降低方差，偏差的方法
反问，表现如何：挺好的，有时间有兴趣可以了解一下传统机器学习深层的数学逻辑
面试感觉非常好，小哥哥说话很温柔，有的问题会和我进行讨论
30分钟
1. 项目的介绍，主要是针对项目的实施、周期、人员组成等方面
2. 机器学习的基础知识（LR，XGBoost与LGBM的区别，有一个点之前没太注意：随机森林里的决策树往往比GBDT深为什么，还有一些基础的问题不太记得了）
3. 问了一些基本情况，了解shein吗，家哪里的，对内卷怎么看，你是怎么做的等等
反问：招聘界面提供了很多方向，如果进入公司是随机分配还是自主选择 答：双向选择
HR电话收集信息：家哪里的，兴趣爱好，了解shein吗，对跨境电商怎么看，能来实习吗（不能来实习也没事），提供的岗位和你预期的匹配吗等等。反问：后面的流程，答：大leader面（下周）、HR面、总裁部谈话、意向书
22分钟
1. 自我介绍：详细一点
2. 项目怎么做的，解决什么问题，创新点在哪，成果，具体怎么实施等
3. 实习：干什么的，最大的收获，解决了什么问题，具体怎么做的，多少人参与解决需求
4. 职业规划
感觉已经有点听够了。。。直接反问
反问：如果有幸进入公司，方向如何选择，答：看匹配程度，过段时间轮换
一个星期之后感谢信！！！
#面经##算法工程师##SHEIN#
查看16道真题和解析