360 商业化机器学习工程师 面经
三面结束 等通知中
全程40min，前面问题基本都回答上来了，手撕代码的时候稀碎······
1.自我介绍+讲一个比赛项目
2.比赛相关：lgb&xgb，这两个模型相较于gbdt的优化？boosting的过程？boosting中每一轮loss是怎么样计算的？（这一部分之前看过，但是没特意去看。。。）
3.比赛之外还有什么项目用到了ML&DL?讲了我的毕业论文（LSTM），问了一下创新点在哪，不过我讲的不是算法层面的所有就没挖了
4.LSTM各个门的作用？我口头讲了一下LSTM的计算公式，然后又问为什么用sigmoid&tanh？然后衍生到LSTM为了解决RNN的什么问题&GRU是否了解？然后我又口述了GRU的计算公式以及两个门的作用
5.然后又讲到神经网络，BN层的作用？每个Batch_size的样本的均值的问题？ （这个不太理解是什么问题了，我答的是根据大数定律batch均值期望跟所有样本均值相接近，答完就觉得很扯。。。面试官说其实是动量，计算时会用到之前的batch_size的均值）
没问过经典的SVM和LR，亏我昨晚又把这两个手推了一遍。。。
发这个帖子是想给大家参照下面试官提问题的思路，一般是从你讲到的点里挑一个自己感兴趣或很了解的点进行下一步提问，所以讲话要特别注意，自己不熟的东西尽量不要穿插在里面；同时警示后人什么都要好好学，虽然头顶发凉但是没啥办法，竞争太激烈。
最后希望自己能够通过一面吧，虽然很菜但是谁不想有翻盘的机会呢：）
算法题如下，面试官说1-2-1-2跟1-2是不同的路径。。。瞬间就放弃了，后来面试官还是非常热心地指导我怎么去思考（用回溯，递归实现）。
m*n的方阵，一个机器人在x,y点，并且每次只能向上下左右四个方向移动一步，那么在最多移动K次的情况下，有多少条路径可以逃出这个方阵？输入: m,n,x,y,K
输出: 成功逃跑的路径数。
2 3 0 1 2
返回
6
==========================================================================
二面内容：
1.自我介绍
2.介绍一个比赛项目，问了非常多，包括lgb相对xgb的优化，为什么融合模型，然后我自己展开的部分有：特征工程的思路、缺失异常的处理、时间序列建模的注意点、交叉验证的方式
3.面试官介绍了部门，广告部门，主要是做CTR预估，然后我问了下每天处理数据的量级啥的，剩下的面试官跟我说问HR去吧
===========================================================================
今天收到了三面的消息，在后天，时间比较晚，所以有点慌，有没有上岸的大佬讲一下HR面需要注意啥：）感激不尽
祝愿大家都能收到offer!
===========================================================================
三面内容：
持续了18分钟左右，面试官是个小姐姐，问了我专业学习情况，考研打算，为什么选择互联网行业，然后到我提问的环节。
最后小姐姐问我期望薪资是多少（15-20k。。。），然后结束了，两周内会有答复。
希望有好运发生！
投递T3出行等公司10个岗位 >