滴滴算法实习生二面凉经

滴滴 一面 2021.8.2 面试时长：1个小时 通过
1.自我介绍
2.深挖项目经历，谈谈对u-net的了解
3.聚类的方法以及特征如何构建的
4.贷款预测的项目介绍，几分类问题
5.xgb的训练过程，相比于gbdt的改进
6.xgb如何处理缺失值的，详细过程、划分标准
7.xgb与rf的区别
8.分类使用的是什么评价指标
9.AUC是什么，准确率和召回率呢
10.xgb如何并行计算的
11.回归问题的用的什么评价指标，数据不平衡怎么处理，xgb有什么参数可以处理
12.l1和l2正则化有什么区别
13.特征工程中构造了哪些特征，如何构造的
14.贝叶斯调参的理解，调整了哪些参数
15.stacking融合是什么
16.了解卷积神经网络吗？卷积过程如何实现的
17.大数据处理工具会吗？spark
18.手撕代码，实现一个镜像树

滴滴 二面 2021.8.3 面试时长：50分钟 估计挂了
1.自我介绍
2.深挖牙齿图像项目
3.聚类方法，构建了哪些特征
4.kmeans聚类中使用的距离，以及如何结束
5.贷款预测项目介绍
6.决策树模型与逻辑回归模型的区别
7.逻辑回归如何实现并行计算
8.逻辑回归的原理是什么，极大似然估计又是什么
9.什么是交叉熵，交叉熵损失函数是什么，求偏导后的形式是什么
10.逻辑回归如何更新权重
11.xgb模型然后实现的
12.划分特征值的block后怎样才算并行
13.决策树模型预测的全过程
14.叶子节点是什么，节点又是什么，是怎样的形式
15.决策树如何才能够停止
16.对于决策树模型，在回归问题中，连续特征是如何处理的，结果又是如何生成的
17.softmax函数是什么，与sigmoid函数又有什么区别，哪些场景用到过
18.车辆价格预测项目中类别特征怎么处理的
19.连续特征呈现拖尾分布怎么处理
20.回归问题用的什么评价指标，mse和mae的区别
21.大数据处理工具熟练程度
22.手撕代码，输入数组，实现数组的全排列

#滴滴##算法工程师##面经##实习#