這是我遇見最難得面試，最難，最難，重要的說三遍；
自我介紹，這都是套路了，簡單介紹就好；
介紹比賽過程，怎麼做的比賽，然後隨機提問；
從boosting到adaboost到gbdt到lightgbm介紹演變路線，各個模型到底是怎麼回事；
怎麼做的特徵工程，哪些特徵比較重要；
一定要做eda和特徵工程嗎，這裡回答比較傳統，應該比較lightgbm和nn，nn的優勢就是避免了特徵工程；
不同的模型（主要分析lgb和nn）資料應該如何處理，有什麼不同的處理方式嗎，為什麼會有不同；
比賽用的什麼指標，roc，roc是怎麼得來的，知道g-roc嗎，roc評價指標是否合理，有沒想過考慮其他的；
nn怎麼來做這種任務，從mlp到deepfm（簡單的思想）；
怎麼避免過擬合，老生常談了，如何避免欠擬合，這裡簡單的整理了下，歡迎補充；
問了乙個概率題，我是很懵逼，乙個骰子，隨機往桌子上扔，求扔多少次，每個面至少出現一次，扔的次數的平均值（十分**），思路是從最少的次數到最大的次數，然後求各個次數每個面至少出現一次的概率，得到乙個數列後，對這個數列進行求和，n趨向於無窮大求極限；從這裡基本就炸了；
有兩根不均勻分布的香 香燒完的時間是乙個小時，你能用什麼方法來確定一段15分鐘的時間；我當時沒想出來，非腦筋急轉彎；
介紹下高斯分布和泊松分布，以及泊松分布和二項分布的關係；
強化學習了解嗎，簡單介紹下；
能否將乙個思想或者任務，擴充套件到多個方面，是個開放性問題，舉例子比如說強化學習除了常見的用在遊戲中，其他領域如何應用，考察理解的廣度；
leetcode medium題56. merge intervals 當時忘了最優怎麼做了，非常尷尬，哎，表現最不好的地方吧。
關於特徵工程的一些討論，是否有必要；
你的興趣是什麼，以後想從事什麼工作，其實這個想問是否和他們的工作契合吧，我換了一種回答方式；
在小公尺的工作任務是啥，**分類，簡單介紹下如何實現**分類，兩種方法分別是什麼；
關於**的一些討論，還有學校的一些事情；
自我介紹
介紹quora比賽，具體是什麼，都做了哪些工作；
aichallenger都做了什麼，這個比賽是怎麼回事；
word2vec、glove、fasttext分別是什麼，如何得到的，相互比較；
如何得到句子向量，和詞向量的關係；
什麼時候開始學nlp，專業和導師是做什麼的，是否自學；
attention機制是怎麼回事；
rnn、lstm等怎麼回事，有什麼缺陷；
attention機制的softmax是怎麼做的；
transformer是怎麼回事；
樣本不均衡如何來解決；
如何避免過擬合；
常用什麼語言，什麼框架；
神經網路如何調參，煉丹的思想；
簡述貝葉斯調參；
在瀚思科技（第一家實習公司）的實習經歷，在小公尺的工作和任務；
自我介紹
介紹自己的比賽經歷，詳細介紹科大訊飛的比賽過程；
比賽任務是什麼，都包括哪些特徵；
在小公尺的實習經歷，工作內容是什麼；
gbdt和xgboost分別是什麼回事，區別是什麼；
xgboost並行化是怎麼回事且是如何實現的；
提取了什麼特徵；
手機品牌的特徵如何進行分析的；
stacking的原理是什麼；
開放性問題（這個問題問的最久），如何根絕王者榮耀玩家的歷史資訊，對玩家進行道具和**的推薦；
對於上述問題，如何推薦金幣卡和經驗卡，提取哪些特徵；
對於大規模稀疏資料如何處理，訓練乙個模型還是多個模型；
fm、ffm相關的簡單介紹；
介紹下mapreduce和hadoop相關的原理；
spark的某個函式如何使用；
簡單介紹，本科是哪，能什麼時候來實習；
問比賽和專案經驗，非常細，挑自己最熟悉的講；
從頭到位介紹了科大訊飛的比賽過程和比賽細節，一定足夠熟悉比賽過程；
特徵選擇的方法，嵌入法（lgb）vs過濾法（卡方檢驗）；
為什麼這些特徵用lgb篩選，另一些特徵用卡方檢驗來篩選；
為什麼用5折交叉；
模型融合，為什麼融合，怎麼融合，何為最優模型。這個地方討論了很多，要深刻理解模型訓練的實質，模型學習train，val，test的統計分布。這裡我的回答非常不確定，應該和實際的工程相關，模型訓練的目標不是單純的比賽刷榜，而是提高泛化能力。
有沒有做資料預處理，如何做的；
和top的差距在**，後來有發現什麼提高模型的辦法嗎；
quora比賽，如何做的，模型的輸入是什麼，這個比賽最後選擇的方案是什麼；
aichallenger比賽，細粒度，粒度都是什麼，如何訓練的。比賽內容的介紹。文字長度，模型輸入是什麼等等；
lightgbm為什麼比xgboost快；
比賽分工是什麼；
[1]
[2]
Java C 面試手撕演算法彙總
面試手撕演算法彙總 實在沒有o 1 的方法，只能實現o n 歡迎討論。方案1 建立n個數字的陣列，迴圈相加，將大於1的數字列印出來 方案2 map，先contains判斷，存在就列印，不存在就put 首先，題主你的問題其實就是乙個上的矩陣能否變成全是1的形式首先，任意乙個域上的矩陣都可以通過三種初等...
美工面試彙總
大部分的公司都會從以下幾個方面來問你一些設計基礎 先會詢問一些基礎設計理論 常見的ui設計理論和設計法則 1.色彩搭配理論 如果什麼是暖色，冷色，前進色，後退色，什麼顏色代表什麼意思。比如電子商務 配什麼色好?為什麼?2.造型和構圖理論 比如透視，變形的簡單原理等。3.css和html方面 基本的盒...
GBDT XGB Adaboost面試彙總
1 boostrap從袋內有放回的抽取樣本值 2 每次隨機抽取一定數量的特徵 通常為sqr n 分類問題 採用bagging投票的方式選擇類別頻次最高的 回歸問題 直接取每顆樹結果的平均值。1 相同點 都是由多棵樹組成，最終的結果都是由多棵樹一起決定。2 不同點 組成隨機森林的樹可以分類樹也可以是回...