biubiu29 level
获赞
31
粉丝
9
关注
1
看过 TA
482
华中科技大学
2024
数据分析师
IP属地:湖北
暂未填写个人简介
私信
关注
记录一下菜鸡被狂虐的经历吧一面:研究院中的某个产品线1.自我介绍2.对哪个算法模型比较熟悉,介绍一下(说了xgboost)3.xgboost与gbdt的区别4.运用xgboost前是否需要进行归一化处理,xgboost中如何预防过拟合,如何在训练模型前预防过拟合5.有没有用过深度学习模型,对哪些比较熟悉(我的方向是机器学习,就说了个cnn)6.cnn各层的作用(属实是不记得了),为什么不用深度学习,机器学习目前已经很少用了7.手撕快排(本算法菜鸡当时脑子卡住了,只说了思路,本来是共享屏幕码代码的,真的很想挖地洞钻进去)8.有哪些offer,期望工作地点9.反问环节10月9日 一面:别的产品线的(虐我一次不够,还来第二次吗)面试官还迟了十分钟,我的网也不好,时好时坏,又铁定凉凉的一次1.自我介绍2.在项目中主要做哪些工作3.简单介绍xgboost和lstm,xgboost中特征重要性排名的依据4.手撕代码说思路:给一串字符串,如何找到其中的最长回文子字符串(说了个暴力解法,网不好又不知道解释清楚没)5.最大似然和贝叶斯估计的区别,假设条件6.是否了解预训练模型(老实说不知道)7.有无发表论文,期望工作地点    这次面试真的一言难尽,当然也是我自己的原因,网也不好,反正又是被拷打的一次,真的疯狂抠细节,还问了很多没听过的知识点,总之就是有多大能力做多大事吧,研究院还是留给博士吧。
0 点赞 评论 收藏
转发
岗位:机器学习算法工程师一面:1.自我介绍2.线程和进程的区别,什么时候用多进程,什么时候用多线程(这个属于给自挖坑了)3.实习项目问题,项目目标是怎么定的,用的什么算法,算法原理是什么(这个算法偏控制论)4.比赛问题:xgboost原理,特征怎么构造的,怎么选择的5.有没有了解transform方面的(可惜我对nlp接触的太少)6.课题问题:这个偏简单数据分析,都没啥建模,没说很多7.kmeans的缺点,怎么弥补,还有哪些聚类算法,在哪里用到过8.处理的最大数据量,有没有做PCA降维处理9.PCA原理10.反问主要围绕简历展开,问的很多,基本简历里写的都被问到了,但面试官还是很温柔的,不过可能我的实习项目跟其机器学习有些偏离,我也没介绍很清楚,所以面试官有些部分不太懂,后续就问项目了体验一下还是挺好的,二面随缘吧,大佬太多 ---------更新 6月13 hr面----------------hr面:1.自我介绍2.base问题,因为我填的倾向武汉,但基本岗位在深圳3.为什么选机器学习岗位4.优缺点,最近最有成就感和挫败感的事5.三个词概括自己,说说其中某一个是怎么体现的6.目前投了哪几家公司,有没有offer,有offer怎么选择,选择标准7.反问:转正问题,按部门推荐,有转正答辩感觉就是很常规的hr面,面试官依旧很温柔(嘈杂环境中面试真的太不好意思了,也还是笑着问我),总的来说,两次体验还是都很好的,积累面试经验吧---------------再次更新---------------6月15日收到offer,考虑中
投递顺丰集团等公司7个岗位
0 点赞 评论 收藏
转发
牛客网
牛客企业服务