楼主非科班劝退专业，面试过程中在牛客上得到了不少有用的信息(包括各种内推信息以及面筋)，现在收到了美团的意向书(搜索与NLP部)，把自己面试问到的问题总结一下，希望能帮助到牛油们[机智]           美团点评(机器学习岗)       共三面（一面1小时、二面1小时、三面30分钟）       一面           全排列          问项目，查得很细，所有的点都问了一遍，基本上围绕简历来问的          质疑了一下交互时间取值          使用深度模型的话为啥使用deepfm而不使用wide&deep之类的          二面           问我为什么坚定的想做推荐？          问了precision recall，问了bagging boosting          xgboost 和 lightgbm之间区别          场景题，如果输入某关键词进行搜索 对于返回的结果可以从哪些方面进行设计？这个是开放题大家见仁见智          再有就是问了一些基本的分类指标AUC/F1score/Precision/Recall/MAP/NDCG等等（MAP:https://blog.csdn.net/u014203453/article/details/77598997, NDCG: https://blog.csdn.net/u010670689/article/details/73196054）          以及usercf itemcf相应的知识（https://blog.csdn.net/xmu_jupiter/article/details/48029165）          再有就是DNN与DeepFM之间的区别          Wide&Deep与DeepFM之间的区别          问了auc的时间复杂度          连续特征如何进行离散化？          最近新看了哪些前沿算法          三面           自我介绍，问专业          最打动面试官的项目亮点？          有没有得到一些方法论上的东西？（说了特征构建上的心得）          介绍了一下Fß score（precision/recall的tradeoff）          质疑了一下训练数据时间窗口的选取          场景题，问只有key-click数量-order数量，问如何进行条图的推荐，设计一个指标。这个也是见仁见智          介绍了整个部门的情况，问了一下日常工作          hr面 9.17           就是一些基本的问题，工作城市意向，对未来职业的规划之类的，自己的优缺点等等      再扯一点其他的，其实非科班还是挺辛苦的，一方面要在实验室做导师要求的project和论文，一方面要去夯基础，夯项目。笔试完等面试(有时候还要偷偷溜出去面试)，面试完等HR，HR完等意向书，每天都很焦虑。秋招期间还出现了各种突发状况(比如房***然说要卖房子，让临时搬家;比如和家里长辈的观念不和，口头上起了冲突；比如项目做的方法导师不认同，当众开喷)，那段时间真的是很难受，身体和精神上双重难受的那种，那段时间满脑子就想炸了水星。 但是希望各位牛油们要相信自己，该努力准备的时候只要问心无愧的准备了，不用太担心，结果不会太差，剩下的只需要靠时间来证明。最近两个月每天中午都窝在实验室叫同一家外卖，不是因为好吃，是因为这样不用选择，选择对于天秤座来说就是增加焦虑的buff。昨天收到意向书，今天中午头一次走出实验室，去食堂吃了午饭，走在路上，大口呼吸着略带凉意的空气，抬头看了看湛蓝的天空，虽然太阳有点刺眼，但是觉得真好啊。       希望每位牛油都能在奋战完秋招之后，长舒一口气，心情像今天的天气一样好。       PS：感谢饼饼这段时间的陪伴，有你在身边真好。