之前看了很多牛友分享的帖子，现在写下面经希望能帮助到牛友们~
楼主方向是推荐与计算广告，面的是推荐算法岗。
一面：视频面试
简单的自我介绍，然后是介绍项目，论文和比赛，其中对一些细节问了一些大概。
GBDT需不需要进行归一化?
LR为什么用的是sigmoid函数？
项目中的随机游走算法，怎样才算达到稳态？
FM做了什么，针对什么问题？
样本不均衡时的处理方法？
过拟合的解决方法？
问了对于推荐系统的理解？
GBDT和XGBOOST的相关问题？
手撕代码：有一排学生共n个人，每个人最远可以把信息传递离他m个人远的人，求从队头传到队尾总共有多少种传递方法？（n >m）
总体来说，一面的面试官很nice,还详细介绍了部门的主要工作，包括推荐的整体架构。面完后面试官就让我好好准备二面了。
二面：电话面试
注： 我投的是推荐算法，面试官是做CV的，看到我的简历想让我转CV，于是先来面我；
我表示更想做推荐，面试官说想做推荐的话还需要加一轮技术面，转视觉的话就可以直接Hr面了。
1.介绍项目、论文、比赛
2.比赛中提到word2vec，介绍一下w2v；
3.boosting和bagging的区别？
4. Adaboost和 XGBOOST、LGB的区别？
5. 常见的防止过拟合的手段？
6. 为什么K折交叉验证能防止过拟合？
大概就聊了这么多，然后到反问环节，总共过程不到40分钟。
这次没有手撕代码题，当然电话面手撕代码也不太直观，所以就结束了，听面试官的意思应该是过了，看会不会加面吧。
HR面：
结果没有进行加面，Hr小姐姐给我打电话来了，看来就是视觉算法岗。
主要问了些常规的问题，比如说项目中遇到的困难和解决办法，平常的自学手段等。聊了大概20多分钟，体验很不错。Hr说大概一周会有消息。
HR面过一周：
刚好过一周的时间收到了意向书，视觉算法岗，很准时呀。（映客这里叫offer直通卡，都是一个意思）
希望各位牛友一路顺利~
全部评论
(11) 回帖