机缘巧合 被携程算法捞了 虽然水平不够 但面试感觉 携程的面试官还是很好的 会一直引导我 给我思路让我去思考
对携程的感觉还是很好的 虽然没有后续 但还是把面试经历分享出来 给自己之后的面试攒一下rp 希望自己能够坚持下去 拿到满意的offer
也希望大家都能顺顺利利的找到好的实习 好的工作
【一面】电话面
主要问了简历上的经历和项目
【二面】现场面
1、Q1：python中深度copy与浅copy的区别
因为没有计算机背景 也没有了解过相关内容 上来就懵了
面试官把问题换为python中 直接赋值与copy（）的区别
A1：直接将b赋值给a，则改变其中一个，另一个也会改变，因只是增加了一个新的标签，并未创建新的存储空间
若b=a.copy()，则两个为独立个体，改变一个不影响另一个
Q2:若为int类型，会出现以上情况吗
A2：不会，因int是不可变类型（应该算挺基础的知识 但越基础越容易忽视啊呜呜呜）
2、Q1:关于降维方法 例如PCA 简述其原理
A1：PCA的原理 就是把原特征空间映射到新的空间中
Q2：是根据特征的什么矩阵进行变换的
A2：协方差矩阵
Q3：对于one-hot编码矩阵，有必要用PCA吗
A3：没必要 因为自身已经很稀疏了
3、Q：python中的魔法函数？魔术类？
没用过 不太了解
4、Q：softmax函数与relu函数的异同
A：1、二者都可作为激活函数，均为连续函数，便于求导
2、softmax函数是将数压缩至（0,1）区间中，因其求导是会出现连乘，所以存在梯度消失梯度爆炸的情况，relu函数则是一个分段函数，在0左侧均取0，
0右侧为线性函数，不会出现梯度消失和梯度爆炸的情况
3、（面试官提醒）relu函数产生的编码分散且稀疏，是一个比较好的性质
5、Q：TF中进行切片操作用什么函数
A：layer.slice() （我只想到了这个，但面试官提示说，为了更灵活的定义，可以用lambda函数进行切片）
6、Q：在boosting模型中，用什么衡量信息重要度
A：我只想到了Gini指数之类的指标，面试官提示说，可以利用不同树中信息出现的次数作为参考
7、Q：x~N（μ，σ），求E|x| 当场手写计算
8、Q：写python程序求n维半径为r的球的体积
（提示：可以用蒙特卡洛）
当时确实没有练很多算法题 水平太菜 问题应该很简单 但在面试官几番提示之下 还是没想出来（捂脸 感觉辜负了那么温柔、谆谆善诱的面试官呜呜呜
整场面试提的问题应该都是基础水平，因为确实准备不足，也没有计算机基础，虽然面试官人很好，一直在提醒我，还是很辜负他的引导
说一点题外话吧 因为不想做本专业的工作 在尝试往互联网转 但可能水平、背景、机会等一系列原因吧 最近实习找的也不是很顺利 压力也挺大的
但既然做出了自己的选择 我就想坚持下去 希望自己也能不断进步 不断升级 拿到自己满意的offer
希望自己和正在努力的你都一切顺利吧
#许愿#明天ks面试一切顺利 拿到实习offer 好想工作啊啊啊啊啊啊
全部评论
(2) 回帖