2021中兴捧月-迪杰斯特拉赛道-面经
两位面试官，30分钟整，全程聊比赛
个人情况：211+985，21年应届毕业，本硕通信，rank 23
- 2分钟自我介绍--着重科研项目（通信方向）、各类比赛情况。
- 做比赛时的思路，详细讲一下。--初赛滑动平均、复赛xgb+时序特征，并与初赛模型融合，预测结果利用规则适当放缩调整。
- 数据归一化方面做了哪些处理？归一化和标准化如何选择？--一般采用“最大-最小”归一化方法和“均值方差”标准化方法，根据数据分布选择，如果是正态分布的话，采用标准化方法；其他的，如果各列数据取值范围差别较大的话，考虑归一化方法。
- 数据中的缺失值如何处理的？---正常来说树模型对缺失值不敏感，如果填充的话，均值、方差等填充。本次比赛缺失数据较多的直接填'nan'可以得40分，部分缺失采用滑动平均预测，如果数据完整的话，采用xgb模型预测。
- 这样处理缺失值的好处？---自由发挥了😂
- 数据突变/阶跃如何处理？--（1）选取近期数据（2）尖峰突变视为异常值（3）节假日突变加入一些节假日标识特征，并对结果适当放缩。
- 数据中有很多nan值，在什么情况下输出nan？----缺失值较多、时序数据数较少的部分直接填nan
- 为什么选择xgb？优势？---树模型训练速度快，数据比赛大杀器，限于硬件设备无法使用深度学习。
- 特征构造过程，模型实现过程--构造时序特征，窗口设置为91天（与测试集预测长度一致，保证特征能够对应上）；构造时间相关特征，年月日、周数、天数等，刻画周期性和对称性的特征。
- 有关xgb参数的考虑？--主要关注“学习率”、“特征选择比例”、“树的最大深度”等等，进行网格搜索调参。
- 能否把现在的模型用到实际生产当中，是否重新训练调整？---进行适当的微调即可，调整特征维度，构造时序特征。
- 模型的创新点？--数据缺失值、异常值处理，时序特征构造，周期性、对称性等等
- 专业情况
- 软件和计算机课程学习情况
- 编程语言情况：科研matlab，竞赛python
- lambda表达式---不太清楚，dataframe里面apply和map函数中会用到
- 了解函数式编程嘛？---python中用def定义函数，然后后面调用😂
- 设计模式了解吗？--单例设计模式，回收站😂（面试官是不是搞软件开发的啊，我一脸懵逼）
- 反问环节：中兴招聘官网填写简历时，“重庆”下拉框里面有重邮、川外、西政，没有西南大学有些难受，我们是教育部直属211，通信工程国家一流本科专业，能否改进一下系统呢😂（虽然应届生去决赛无望，但是还想为我母校争取一下），面试官表示理解，并会反馈。
总结：中兴聊比赛还是挺细的，挖的很深，不过面试官感觉更偏向软件开发方向，自由发挥程度搞一些hhh😂
投递美团等公司10个岗位