笔试时间：8.11 （3.2/4）
面试时间8.15，123面一共俩小时
一面
1.LDA基础知识
2.LSTM梯度消失/爆炸
记不清了
二面
1.自我介绍
2.项目介绍
3.LDA主题数目确定
4.Gibbs采样和变分推断
5.GIbbs优化目标是什么
6.Gibbs采样与变分推断的优缺点
7.常用的模型（LSTM+BERT），训练语料
8.BERT原理
9.Bert与LSTM比较
10.样本不平衡的处理方法
11.了解NER么
12.统计类模型了解么 阴马
13.编程语言用什么，C++会么
14.embedding的方法（word2vec \glove\ fasttext）
15.glove 与word2vec的区别
16.LR，SVM与XGboost了解么，介绍一下
17.GBDT，Xgboost的区别，Xgboost分布式计算是计算什么
18.代码：写快排
HR面
1.实习经历，
2.说一个印象最深的项目，收获
3.今后还做这个方向么
4.目前关注的公司
5.对贝壳了解么
6.可以实习么
7.在哪个校区
8.反问（两周之内给结果）
1.LDA基础知识
2.LSTM梯度消失/爆炸
记不清了
二面
1.自我介绍
2.项目介绍
3.LDA主题数目确定
4.Gibbs采样和变分推断
5.GIbbs优化目标是什么
6.Gibbs采样与变分推断的优缺点
7.常用的模型（LSTM+BERT），训练语料
8.BERT原理
9.Bert与LSTM比较
10.样本不平衡的处理方法
11.了解NER么
12.统计类模型了解么 阴马
13.编程语言用什么，C++会么
14.embedding的方法（word2vec \glove\ fasttext）
15.glove 与word2vec的区别
16.LR，SVM与XGboost了解么，介绍一下
17.GBDT，Xgboost的区别，Xgboost分布式计算是计算什么
18.代码：写快排
HR面
1.实习经历，
2.说一个印象最深的项目，收获
3.今后还做这个方向么
4.目前关注的公司
5.对贝壳了解么
6.可以实习么
7.在哪个校区
8.反问（两周之内给结果）
后续：凉
全部评论
(3) 回帖