京东一面

3.21  面试时间一小时左右，实习+项目+八股1.自我介绍2.问实习3.Kafka怎么保证消息不重、有序、不丢失4.能一定不丢失吗，如果某条消息一定不能丢失怎么办5.Redisson分布式锁的原理，能一定保证续约吗，续约不上怎么办6.讨论项目中的超卖问题7.线程池参数、运作流程8.Jvm内存结构9.什么时候full gc10.算法：爬楼梯感觉答得还行，面试官评价也不错，周一看已经挂了

Tcl后端一面面试时长一小时，面试官非常热情开朗，中间聊的挺开心的，考察八股➕延伸的简单场景居多，无手撕1.为什么选择后端2.学习java的流程计划3.理解最深刻，参与度最高的项目4.ddd架构的理解5.ddd架构的劣势6.多线程的怎么用的7.大数据量情况下怎么去迁移数据和添加索引8.项目中数据库表具体字段怎么去设计的，具体拿出一块功能结合逻辑说明9.线程池的核心参数，拒绝策略，并发执行时候，线程池的执行流程是怎样的，线程池的种类10.线程和底层操作系统的关系11.并发线程在多核cpu时，每个cpu核心都会用到吗，那在单核的情况下是如何进行的12.等待队列的种类13.线程池任务执行完，怎么后续...

ld说部门搞机器学习 大模型 强化学习方向都有偏业务面试记录！面试问题：- 详细解释一下二元分类中常用的损失函数BCE（二元交叉熵）是怎么推导出来的？数学形式是什么，为什么适合二分类任务？- 在二分类问题中，为什么通常用交叉熵损失而不用MSE（均方误差）？MSE在这种场景下会有什么问题？- （针对简历提问）你简历里提到做过特征重要性分析，具体介绍一下你用过的特征选择方法吗？比如过滤法、包装法、嵌入法这些，它们各自有什么特点？- 处理不平衡样本问题时，你一般会怎么做？比如上采样、下采样、SMOTE这些方法，你觉得哪种最有效？为什么？- 解释一下怎么解决不平衡样本的问题？- （针对简历提问）你工作里做了降采样，这对评估指标比如AUC或点击率有什么影响？降采样后怎么调整才能保证评估结果的准确性？代码题：- 给字符串 s 和字符串列表 wordDict 作为字典。如果可以利用字典中出现的一个或多个单词拼接出 s 则返回 true。（类似力扣139）- 手写一个mse的计算。（用np实现并计算）#牛客AI配图神器#

1.这次面试官没有让鼠鼠介绍了。对着简历开始发问，问了一下中间的gap的情况。2.开始对着简历上问八股，因为简历上写了Elasticsearch，问了Elasticsearch为什么可以进行聚合查询，优点是什么，然后Elasticsearch为什么适合AI使用，特点是什么。（鼠鼠完全没想到问这个，没怎么背，这一套下来鼠鼠想回家了）3.然后开始问Maven，Maven从远端到应用经历哪些步骤，Maven本地仓库在哪，Maven为什么如何从远程仓库下载jar包不出错？（这个鼠鼠还知道点，这部分还答了一下）4.然后问了一下Docker部署5.开始问redis，redis缓存有哪些，除了异步队...