无自我介绍、业务介绍，直接开始。首先问了项目里的文字处理和图片处理，有没有用到NLP的知识，图片处理有没有用RNN，我说：“都没有！”然后他就开始问共享单车有没有用LSTM这种深度学习算法，我说：“当时考虑过，但是没有用！”然后面试官说考考深度学习、机器学习基础原理这块吧（都忘了！哈哈！）1、GLM是什么？我就说是generalized linear model广义线性模型，然后卡住。。2、SVM的原理？怎么找到最优的线性分类器？支持向量是什么？· 本质是：最优化问题· 离这个超平面最近的点就是”支持向量”3、介绍一下CNN？4、CNN中的卷积到底指什么？举个例子？具体细节忘了，只说了个大概。。5、介绍决策树、信息熵？6、随机森林“随机”二字体现在什么地方？随机森林的随机性体现在每颗树的训练样本是随机的，树中每个节点的分裂属性集合也是随机选择确定的。7、介绍一下XGBoost，与GBDT相比有什么不同？（被问成SB）答：损失函数不同，追问哪里不同，我说正则化项和泰勒展开（传统的GBDT在优化的时候只用到一阶导数信息，XGBoost则对代价函数进行了二阶泰勒展开，得到一阶和二阶导数； XGBoost在代价函数中加入了正则项，用于控制模型的复杂度），追问泰勒展开哪里不同，我说一个一阶一个二阶，追问为什么二阶更好，我开始瞎说“因为二阶更接近真实值包含更多信息”，追问那三阶呢？我又瞎说“因为三阶可能使模型太复杂了”，又追问“那为什么二阶不复杂呢”，我说不知道。。。8、一道coding：Given an int array wood representing the length of n pieces of wood and an int k. It is required to cut these pieces of wood such that more or equal to k pieces of the same length len are cut. What is the longest len you can get?     e.g. [5,9,7]  K=3算法真的太难了，对基本模型的理解要求特别高，在基本功这块还得下功夫，然后做做深度学习NLP这些项目试试。#京东物流##算法工程师#