海康一面 9-22
电话是突然打来的，直接就开始问项目
-------------------------------------华丽分割线---------------------------------------------------------
然后就是项目中挖的比较细的问题：
LGB与XGB的区别（自行百度，较基础）
XGB调参有什么方法（我只说了最大深度、学习率、目标函数等，太菜了）
随机森林的随机是什么，是样本随机采样还是特征随机采样？（我说是特征，但是面试官说原版RF是随机采样本，后面写到sklearn里面新增了随机采特征，两种都有）
时序特征的构造方法（我说了一些基本聚合特征，交叉特征等）
简单介绍一下PCA？（我只说了算法流程没说基本理论，菜）
PCA+SAE和SAE+PCA有什么不同，分别做过对比吗（我开始乱讲emmmm）
简单介绍一下Kmeans，K值选取的方法，初始中心怎么优化（初始中心我给忘了，菜）
然后是反问阶段：
该岗位主要工作是什么（答：机器学习深度学习知识图谱等，主要做金融方面）
对我的一点建议（模型调参技巧得加强，算法基础知识再巩固）
-------------------------------------华丽分割线---------------------------------------------------------
小伙伴们帮我看看我还有希望没。。。。。。。。。。。。。。。。
希望海康二面快来，面试官超级好，基础过硬，全称都是以聊天的形式来讲的，不会的东西也会给说明白，听说牛客许愿特别灵，许愿二面+HR面+Offer！！！！！
全部评论
(7) 回帖