从八月底到现在，面了十多家公司，本人完美的错过了基本所有的内推和提前批，从八月中下旬开始投简历，九月开始疯狂地做笔试，也就是九月下旬才陆陆续续面了一些公司，每次面试会做一些记录，与大家分享一下。
我投的是传统的机器学习方向，今年算法形势确实也比较严峻吧，面试的这么多家没有几家大公司，可能与我错过内推有一定关系。废话不多说，开始面经

1、花椒直播

18.08.24
通知我面试，但是一去先做了一份笔试卷子
笔试：
1.实现链表相邻两个数的反转
2.跳台阶
3.进程和线程的区别和使用场景
4.tcp握手和挥手过程
5.判断一个数是否是2的次方
6.静态数据区，堆栈在内存中的存放顺序
7.计算树的深度，优先非递归
8.常用排序算法，复杂度nlogn写出三种，说明哪种是稳定的
9.选择，样本不均衡如何处理
10推导lr优化过程
11.svm常用核方法，并写出计算公式
12.解释含义，必要的话写公式
Accuracy
Precise
Recall
F1
Roc
Auc
13.tfidf含义及优缺点
一面
介绍一下项目
正负样本在xgb中该如何处理的问题
Bagging解释
样本失衡选择题为什么选择赋予不同权重
神经网络dropout作用，解释一下。和bagging有点像
交叉验证是否有防止过拟合的作用
Cart树分裂的复杂度
二面
自我介绍
介绍一下项目
Xgb和gbdt区别
为什么xgb效果比fm的好
为什么不采用除了树模型之外的其他模型
在线上如何维护模型，如果有新数据新特征
Onehot编码后维度很大如何解决
快排原理，复杂度，没有写代码
Knn的k是什么含义
怎么求开根号
位运算
确定是否是2的次方
计算一个数中1的个数
Fm的推导，loss形式
非均衡样本如何处理
总结：
花椒直播属于360，位置比较远，到那就花了一个半小时，一去就做笔试题，做了四五十分钟，才开始面试，感觉一面面试官对xgb和lgb不是很了解，问的也还好，二面面试官一看就年纪大一些，也严肃一些，问到位运算时我不太熟，卡了一会，感觉不太好，还有问fm的损失函数那个我也不太清楚。后面问了一个求根号，我只回答了二分，但他最后说可以用一个参数，像机器学习那样，我怎么可能想到啊。后来hr就说让我回来等消息，九月底给消息，应该凉了。

2、阿里面试（内推）：

2018.09.03
中午刚醒两点钟，电话就打过来了，开始电话面试，我一脸懵逼。先叫我自我介绍，然后我感觉面试官开始对着简历问我问题了。主要问了项目，穿插问了些概念。
介绍一下xgb，什么是xgb
Lgb相对于xgb的优缺点
第一个比赛遇到的困难，如何解决的
样本少特征多会导致什么问题（过拟合）
实习时干的活介绍一下，我还说明了一下辞职的原因
总结：猝不及防，刚睡醒，答得将就，有的点感觉没有说全，电话面试有一点听的不太清楚。

2018.09.04（挂）
视频面试，面试官说是交叉面，他是优酷的。
1、 自我介绍
2、 Svm和LR的区别，损失函数如何，LR损失函数通过什么推导的
3、 对非监督学习有了解吗，kmeans的k如何选取，如何衡量聚类的好坏，还知道哪些非监督算法，dbscan了解吗
4、 图算法了解吗，pagerank
5、 防止过拟合的方法，L1和L2除了正则化防止过拟合还有什么作用
6、 有什么优化算法
7、 对深度学习了解吗，LENET和AlaxNET
8、 Spark，hadoop，hive了解吗
9、 数据库范式了解吗
10.TensorFlow了解吗
11、介绍了一下两个比赛和实习项目，比赛的成绩，做了哪些工作提高比赛成绩（特征交叉，特征筛选，正负样本均衡）
总结：感觉面试官人挺好的，不过问了一些东西我不了解。最终结果是挂了，可能问我不会的太多了吧。

3、小米面试

这是在学校论坛上看到部门直招，我发了邮件，就通知我去面试了
18.09.07
一面
Xgb叶子节点怎么计算值的
Lr损失函数
模型预测时需要用到超参吗
画sigmoid函数图像和导数图像
Xgb最终预测的值是每棵树结果相加再映射到01之间
TFIDF公式和含义
比赛特征重要度排在前面的哪几个
Onehot函数
比赛的特征
比赛比赛比赛
编程:有n个会议，每个会议有开始时间和结束时间，问最少要几个会议室
提示：排序然后用最小堆复杂度nlogn
二面
Fm为什么比lr好
Lgb和xgb区别
Xgb学习率含义，预测时需要用到学习率吗
Lr损失函数怎么写，可以换成别的函数吗，为什么，那xgb的呢，能换损失函数形式吗
L1和L2正则化项作用和形式
主要调节xgb的哪些参数
Xgb的损失函数如何得到叶子的分数的
互信息的定义，公式
Kmeans的k如何确定
Kmeans点位置如何选择
Kmeans++
KL
降维方法了解吗
密度聚类原理
问了赛马问题，25人，5个跑道，找出前三名要几次
优化方法有哪些，如果不调节学习率会怎么样
我说调节学习率看梯度变化率，他说可以看一下自动调节学习率采用的方法
Lgb如何处理类别特征？他说可以一对多或者多对多
逆矩阵什么情况下没法求，原因，海森矩阵
拟牛顿法比牛顿法优点
编程：有16g的数据，如何找出中位数，不能用空间。（用快排每次只排前半部分的序）
三面（挂）
比赛遇到的困难
实习期间做的东西
编程：二叉树的直径
总结：
第一个面试官简直太让我不舒服了，一直嫌弃我对项目不熟悉，没复习。而且张口就是你这个不对吧，不过竟然也让我过了，说是编程题写的还行。
三面二叉树直径当时没写出来，太可惜了，其实很简单的。没办法，还是自己准备不充分。

这期间没什么面试，一直在做笔试。

4、知乎

18.09.18
参加宣讲会交了个简历，第二天就直接通知面试了
一面
LR推导
SGD和普通梯度下降的区别
二分查找
一个数组找出出现次数超过一半的数
一个数组和为0的对数
二面
介绍项目
推导GBDT
概率问题，一千枚硬币有一枚两面全是花，其余999正常，现在拿出一个硬币抛十次全是花向上，问这枚硬币是不正常的概率
将搜索二叉树转换成斜树，没写出来，凉
总结：
又是挂在了树上，脑壳痛

5、闪银奇异

参加的线下笔试，当晚通知第二天面试
18.09.19
一面
Knn算法函数手写
梯度下降的缺点
LR损失函数
L2正则参数 前面有一个参数纳姆达
训练集，测试集，准确率随纳姆达的变化
训练集，测试集损失随迭代次数的变化
x^x^x…^x＝2问x是多少
双十一如何预测购物消费前100的用户

显然是最后一个开放问题答得太差，但我至今对这种问题无解。遇到跪就跪吧
就一面技术面，宣讲的时候就说一面技术面，一面企业文化面试(8012年了，怎么还有这种面试)，一面hr面。

6、欢聚时代

18.09.20
1.介绍项目
2.FM形式
3.贝叶斯平滑
4.贝叶斯平滑参数服从什么分布
Beta分布，写贝叶斯公式，问展开式哪一项是beta分布
5.协同过滤
6.二分查找找到和target差最小的数
总结：技术面只有一面，可能面试官本来就不想要我吧，感觉挺敷衍的，我把编程题写出来非说有问题，但他又找不出错误的地方，杠精。
酒店面试，等了半个多小时，体验不好

7、掌阅科技

线下笔试，第二天通知面试
18.09.20
一面
写了两个简单的编程题，一个是打印二维数组最外面一圈的和，一个是打印二维数组从00开始不相邻元素的和
Gbdt采用什么树 回归树 为什么采用回归树，从数学角度解释
Lgm和xgb区别
Gbdt和随机森林区别
Xgb和gbdt区别
介绍项目
二面
3×3数独怎么填。为什么5在中间，9不能在角上
协同过滤怎么计算book1和book2的相似度
如果用户很少书很多会发生什么情况
没问什么问题，不过我答得其实不太好。可能这东西看运气？
三面hr面
哪个项目收获最大，想做的方向等
总结：感觉环境挺不错的，我第一次面到hr，这次面试真是让我感受到了天时地利人和是真实存在的。在经历了那么多挫折之后，总算是看到一点希望了。

8、一点资讯

18.09.21
一面
介绍项目花了很长时间
推导lr
梯度含义，大小，方向，面试官可能觉得我的回答不太满意
编程问了三级跳台阶的问题
二面
随机森林和gbdt区别，主要是bagging和boosting区别
Lgm和xgb区别
实习项目和参加的比赛项目
推导fm
二分查找上下界
二面过了，二面面试官去找他leader面我，但回来说不在，说再约时间面。

9、转转

18.09.26
一面
链表反转
快排原理
十万个树，如何找出最大的100个数，可以无序，用快排
贝叶斯平滑，beta分布，共轭分布
朴素贝叶斯，基本假设（条件独立）
Xgb推导
推荐系统
决策树有哪些，基础的决策树？
信息增益怎么算
实习项目介绍
二面
主要是问项目阿里妈妈比赛
交叉熵
深度学习中为什么不用sigmoid函数，用relu函数。
项目说的不满意，挂
总结：这个二面面试官是唯一一个了解我做过的比赛的人，所以问的很仔细，还问我有没有看别人排名靠前分享的思路，好吧，还是自己准备的不充分

10、360

2018.09.28
一面
编程：写出列表中所有的子集，包括空集
编程：匹配字符串，不需要用kmp
推导lr
若特征维度很大，如何压缩(L1正则化特征选择)
说一下什么是xgb，和gbdt区别
介绍项目
二面
主要问了工程，给了一个应用场景，购买东西，如何提取特征，提取什么特征
介绍了一下项目
问我兴趣爱好（以为凉了，开放性问题答得不好，结果竟然通过）
Hr面
自我评价
介绍实习
问我有没有offer
等结果中

11、招银科技

2018.09.28
电话面
1.c＋＋虚函数
2.指针和引用的区别
3.链表和数组优缺点，插入和删除的复杂度
4.快排原理
5.xgb原理，和gbdt区别
5.介绍实习项目
说了13分钟左右。应该凉，毕竟c++不熟，说的也没条理，电话面试我内心还是拒绝的

12、融360

2018.09.29
一面
1.先出了两个题目二选一做
一个是写出1～n个数的全排列
一个是二维数组从左下角开始，只能往右或往上走，问有多少种方法走到右上角
我选了第一个题
2.接下来主要就问了项目，算法理论方面的没问什么。还问了我有没有offer，还问我为啥搞算法，是不是钱多…
二面
第一次遇到女技术面
自我介绍
开始介绍项目
问了xgb和lightgbm区别
给了我一个应用场景，即乘客打车，如何给司机推荐合适的下车地点。这个我不太清楚，想了一下说了两句，没答上来。
问一个5×5的矩阵，除掉左上角和右下角两个格子，一搜小船占据两个格子，问是否能将剩余的格子用小船填充满且不重叠(剩23个格子不可能填充满，必须是偶数)
hr面
自我介绍
问我如何自学
问我有没有offer，我说有一个，她就问我薪资待遇，感觉这个是不是不能说？下次还是注意点。

可能有的总结没那么全，因为后面面试比较集中，但大体差不多，希望能帮助到需要的人。而且，千万不要放弃，前途是光明的，道路是曲折的，与大家共勉。十一之后还有面试，到时候随缘更新~