一、聊项目

二、算法题

2.1平衡二叉树判定，要求最优解法，时间复杂度O(n), 空间复杂度O(1)

2.2 判断图是否是一棵树

三、深度学习知识

3.1 BN的原理和作用

3.2 DropOut的原理和用法

3.3 参数初始化为0的问题

四、机器学习知识

4.1 LR

4.2 SVM

1.算法题

完全背包：给不同的硬币面值和target，求组成target所需的最小硬币数

2.机器学习知识

2.1 衡量分类的准确率

2.2 AUC和ROC

2.3 bagging和boosting

2.4 GBDT为什么用CART，能不能用其他的，分裂标准是什么

3.项目相关

二面

1.算法题

回溯：n个物品，m种组合数。

2.机器学习知识

2.1 L1和L2正则化

2.2 Dropout训练和测试的时候怎么用的

2.3 LR推导

三面

1. 对推荐广告的看法

2. 求数组前后部分的方差和最小时的idx

3.聊项目

4.BN和dropout，inference具体实现, BN inference时参数是怎么用的

5. adam和adamDelta，梯度更新公式

6.常见的机器学习算法，讲一讲

7.概率题，n个绳子，两个打结，求最后的期望

hr面：（挂，已收到感谢信）

1.投了那些公司

2.工作地点

3.对字节的看法，有什么顾虑

4.实验室的情况

5.能否提前来实习