在官网投递的是机器学习岗，bg无意向。
第一次被捞，第一次面tx，小菜鸟表示诚惶诚恐。
9月8号晚上大概8点多秃然打电话过来，了解了一下大致情况，然后问现在方便面试吗，然后就在官网发起流程，然后就开始了......
当时室友在做测评，不好意思打扰，我就赶紧抱着电脑去隔壁宿舍面了......
腾讯会议，没开视频。
大概面了1个多小时。

1. 排序算法知道哪些，
   说一下快速排序，
   然后写代码：快速排序，
   然后问复杂度怎么分析，最好、平均、最坏情况，递归深度怎么算

2. 队列和栈的区别，
   然后写代码：用栈实现队列

3. 问实习项目，用什么模型、什么特征，
   分类变量怎么处理，（我说到了one-hot，mean encoding，基于树的聚类）
   基于树的编码怎么做的？

4. 用GBDT的时候，主要调节的参数？如何判断判断过拟合？

5. 那LR怎么缓解过拟合？（L1，L2）
   L1和L2之后的解有什么不同？

6. RF和GBDT的不同，
   GBDT和Xgboost的不同，Xgboost为什么更快，做了哪些优化

7. 问一个NLP的项目，问的很细。然后衍生出下面的8；

8. 词向量模型怎么训练的，word2vec的原理，两种训练方式，两种加速技巧，哈夫曼树怎么生成的，有了哈夫曼树之后怎么训练的，怎么就把n分类问题变成了logn个二分类问题（问到自闭系列...）

9. SVM的基本假设，（存在一个超平面可以分开正负样本）
   如果分不开怎么办，（软间隔，核函数）
   有哪些常用的核函数

10. 反问

面完之后很激动地跟室友聊了会天，然后一起吐槽秋招好难，论文好难，毕业好难...
然后大概过了半个小时，上官网一看，哦灰了...灰了...就灰了...
好吧彷佛一切都没有发生过...
就当是一场梦醒了很久还是很感动

没事，朋友说：争取让发感谢信的速度赶不上我海投的速度