a. 为什么要用卷积神经网络
    b. 卷积核大小如何设定的，为什么这样设定，为什么要用最大池化
    c. 解释：pr曲线，roc曲线。L2正则，L1正则
    d. 结果：第二天就感谢信挂掉了
2. 嘉银金科机器学习算法工程师
    a. 一面全程聊关于强化学习车间调度的项目
    b. 二面应该是压力面，反正问的挺尬的
        i. SVM推导
        ii. 互信息公式推导
        iii. 为什么要用GA-Adaboost这种算法，为什么不用XGBoost，XGBoost本身就有特征选择功能，也可以处理异常值
        iv. XGBoost,GBDT,LightGBM这些你有没有了解，有什么区别，各自有什么改进
        v. 为什么要SMOTE-ENN这样平衡化
        vi. 为什么要离散化，离散化的参数如何确定
        vii. 树模型你归一化有什么必要性
        viii. 如果要你做一个0-1分类项目，你会怎么样去做
        ix. 你做这个有什么优势和劣势
3. 紫光展锐AI算法工程师
    a. 一面
        i. 介绍一下项目
        ii. SMOTE-ENN原理
        iii. PPO强化学习的原理
        iv. 强化学习最大的问题是不收敛，你在训练过程中遇到了什么困难
    b. 二面也很简单，基本问的项目，面试官很懂，对我的工作也感兴趣，问题全部都答上来了，沟通很顺利
    c. 三面
        i. 重点考察广度和深度
        ii. 强化学习和GAN有什么联系
        iii. 模型的落地，即简化
    d. 结果：面试官直接抛橄榄枝，很快收到SSP
4. 小红书数据挖掘
    a. 一面
        i. 手撕代码：归并排序，建立搜索二叉树并查找是否有某个元素
        ii. LSTM的门结构画出来：画错了
        iii. 讨论了一些项目方面的bug，全程尬聊
        iv. 面试官很照顾我，非科班出身
    b. 二面
        i. 手撕代码：实现底层的str转int源码，并作正负号判断。解法1：哈希，解法2：利用阿斯***
        ii. 聊项目相关的内容，算法设计部分一个损失函数进行推导
        iii. 聊到项目里的一维卷积，手撕一维的maxpooling
        iv. 继续聊项目
    c. 三面
        i. 聊项目
        ii. 问到既然adaboost树模型存在一个特征选择的过程，为什么还要先选择特征呢，按道理不是一样的吗？
        iii. 逻辑回归的损失是怎样的，逻辑回归损失为什么这么设计
        iv. 聊业务问题，处理异常值
        v. 反问，又聊了些业务的算法模型
    d. HR面
        i. 对自己的评价
        ii. 自己的性格
        iii. 说生活中崇拜的人或偶像，为什么
        iv. 缺点是什么
        v. 反问
最后祝大家一切顺利，拿到自己心仪的offer！