二面與一面驚人的類似，始終圍繞遊戲展開，這次換成了英雄聯盟…
主要內容
問掛機與送人頭的場景通常是怎麼樣的？
如果是無標記樣本或者有少量樣本的情況，又該如何做？
在cv領域，這兩種情況比較前沿的解決方法分別有無監督分類和自監督學習。不過這題也可以理解為訓練樣本不足該如何做的問題，這就可以從模型和資料的角度去找解決方法，模型方面就是常見的防過擬合方法，資料方面就是資料擴充技術，視覺領域還可以有遷移學習的方法。
新特徵如何生成以及特徵選擇？
可以深入了解樹模型。樹模型能夠生成新特徵，具體應用如gbdt+lr；也可以用於特徵選擇，如決策樹就屬於嵌入式特徵選擇方法，樹的生成過程會對特徵重要性進行度量。
假設掛機與送人頭有一定時間順序關係，但只有掛機的標記資料，又該如何做？
考察序列**？？？
假設有另乙個與英雄聯盟相似的場景有很多標記資料，如何遷移到英雄聯盟中來？
考察遷移學習，其實是第3問的乙個解決方法。
如何設計乙個搜尋系統，在海量中找到匹配度最高的？（挺有意思的應用）
參考資料：
基於vgg-16的海量影象檢索系統（以圖搜圖公升級版）
大樣本情況下，距離度量公式該怎麼修改？
結語如果覺得不錯，請素質三連哈~~
騰訊春招之旅（一）
這一面是簡歷面，全程 面試，涉及的內容主要是簡歷上的專案 開放題。簡歷 深度resnet有效的原理 deep residual learning for image recognition 另外兩個比賽 其中乙個是數模比賽，另乙個是ctr 比賽。前者主要問了兩個變數之間的相關性？很眼熟對吧，就是覆盤...
阿里春招之旅（七）
阿里雲的交叉面 5th 的覆盤，交叉的部門是螞蟻。自我介紹 選擇乙個認識透徹的專案 比賽 講講。我選擇的是ctr 然後就很細節地把這個比賽講完，基本上都是我在講，前輩在聽。幾個問題 實驗室的研究方向？深度學習模型與傳統機器學習模型哪個好用些？職業規劃？有沒有去研究過機器學習框架 如tensorflo...
百度春招之旅（一）
主要內容 題型 選擇題 60分 計算機專業基礎 資料結構 計算機網路 作業系統 資料庫 其中佇列有好幾題 機器學習基礎，數學題 概率題居多 語言 題 c c 為主，判斷輸出 可以通過牛客網上的題庫解決。簡答題 20分 機器學習任務的解決步驟，如果模型效能很差，如何優化與排查 以分類任務為例 資料採集...