bg：双一流本，两年工作经验，给还在学习的朋友们分享一些对应经验下企业所问的问题，也有助于自己未来进行总结。以下打⭐为印象深刻的问题。Q：技术面：（1）自我介绍（背景+工作经验+工作内容+成果）（2）项目拷打①推荐算法：（3）注意力Q,K,V计算公式（4）self-attention和external-attention的区别（5）了解过哪些主流的推荐算法（6）讲一下Wide&Deep原理（7）推荐算法中正负样本集是如何构建的（8）如何理解auc指标（9）平时用哪些框架（pytorch），如果接触到tensorflow项目，最快需要多长时间能上手②机器学习算法：（10）了解什么是特征偏移么（11）对于数据不平衡问题的解决办法（12）训练集和测试集的正负样本比相差过大怎么办（如训练集1:49，测试集1:199）（13）知道什么是概率校准么（14）讲述一下二分类的原理⭐（15）平时有了解过LLM么（16）做过xgboost的超参数优化么，以及对早停机制（early stopping）有没有什么深刻理解⭐（17）平时做过哪些衍生特征（18）如何筛选重要特征（19）如何避免特征之间的多重共线性，避免了又会有什么缺点（20）以业务的角度筛选特征有什么缺点⭐（21）xgboost是如何处理缺失值的（22）对类别变量有什么处理方法（23）机器学习和深度学习分别建模有哪些不同点（24）xgboost的多分类和神经网络中的多任务有什么区别

这两天看接不接offer了，走过路过的同学都投投吧，谢谢鸟！🙏🏻个人背景：籍贯贵州山咔咔，考研失败不准备再考，30岁后还是想回到西南地区发展。双一流本，23年毕业，2年经验，主要做传统机器学习分类回归任务，一个月推荐算法经验offer1：搜推广算法工程师，base深圳手机厂外包，124加班，若周末加班double，16*12offer2：目前暂没有其他offer，也还未收到自研厂的面试个人诉求：好处：接触前沿推荐算法技术，搭上深度学习末班车，体验大厂工作流程代码规范、技术氛围，项目稳定，薪资这一块个人比较满意坏处：可能会受歧视与排挤，以后与大厂无缘（虽然本科做算法好像也无缘了），不知中小企业认不认这段经历，不知此次选择对未来的影响如何，有懂行的朋友可以多多交流，谢谢大嘎！

bg：本人一年半左右工作经验，目前已OC，给出一些现阶段数据挖掘相关岗位的面试经验题，方便大家学习。常问面试题：（1）如何解决模型过拟合问题（2）描述一下xx项目的大致流程（3）你认为在项目中还有哪些不足与改进的地方（4）讲述一下transformers的原理，为什么要采用多头注意力机制，为什么要采用掩码（5）如何处理偏态分布数据（6）如何对异常值、缺失值数据进行处理（7）xgboost与gbdt的区别（9）如果数据量过少，是采用增加特征的方式还是减少特征的方式（10）最开始接触项目的时候最棘手的问题是什么（11）lightgbm为什么计算速度会比较快（12）深度学习loss在某个点处振荡而不收敛是什么原因（13）保存parquet文件和保存为excel、csv等文件有什么区别（14）什么是f1值，f1-score的计算公式（15）xx模型的输入输出是什么（16）如果让你来进行一个机器学习模型的构建，使之效果为良，大概需要多长时间

👋个人背景：双一流本，一年半工作经验，贵州人💯offer1：上海：大厂外包，金融行业，上市半国企，风控算法方向，周末双休偶尔加班，试用期六个月八折💯offer2：广州：小厂自研，运营商行业，B轮400人，数据挖掘方向，周末双休偶尔加班，试用期三个月八折🌿两个地方薪资待遇几乎一样，不过上海以后会更偏向于技术（机器学习、深度学习），广州会更偏向于技术（机器学习）+业务。万能的牛油给个选择呗，很纠结