1、手撕快拍、二分查找

2、K-means的三个重要参数，如何选择最佳的K

3、RNN和LSTM知道吗？说下你的理解

4、wide&deep知道吗

5、bert知道吗

6、决策树是怎么处理缺失值问题的

7、python的单实例

8、AUC指标有什么好处？为什么

腾讯PCG一面（3月中）

1、 介绍了一下论文

2、 Bagging和boosting的区别

3、 Xgboost和GBDT的区别

4、 随机森林是降低方差还是偏差？

5、 谈谈对CNN和RNN的认识

6、 连续特征怎么变离散特征

7、 Mysql有了解过吗

8、 Python是否熟练，数据结构是否熟练

PCG二面（3月中）

三个代码题

1、 给出一个二分类已分好类的数据，让计算精准率，召回率，F1，总准确率

2、 给出二分类已有预测概率值的数据，取哪个阈值t的F1分数最高。

PCG HR面（3月底）

1、 女孩子选这个专业比较少，为什么会读这个专业

2、 有什么优点，还有什么要改进的点

3、 未来的一个职业规划

4、 在研究过程中收获最大的什么

————————分割线————————

阿里蚂蚁一面（3月中）

1、 主要了解了自己的论文

2、 K-means介绍一下

3、 给定两个约束条件，K-means如何进行。约束1：规定一些点一定属于一个簇；约束2：规定一些点一定不能属于某些簇

阿里蚂蚁二面（3月中）

1、 主要讲了一下论文，很细节和很周到的了解（画了很长时间）

2、 你认为你最大的优势什么，能不能举个例子？

3、 未来的职业规划，想做的方向

4、 反问，对我的建议

阿里蚂蚁交叉面（3月2中）

1、 介绍了三篇论文

2、 随机森林和DNN的区别，或者介绍一下他们的思想

3、 看你用pytorch比较多，为什么选择pytorch，他和tensorflow有什么区别？

4、 职业规划

5、 介绍了他们部门的工作

阿里蚂蚁HR面（3月底）

1、 简单得聊了一下论文的最大创新点

2、 未来的职业规划

美团一面（4月初）

1、 你知道的激活函数有哪些，介绍一下他们

2、 你刚才提到的Sigmoid有梯度消失的问题，为什么会存在这个，relu是怎么解决的？

3、 梯度消失和梯度爆炸的原因、怎么判断出现了这样的问题、如何处理他们？

4、 过拟合怎么解决？

5、 你知道的损失函数有哪些？介绍一下他们的差别以及适用于什么场景？

6、 你刚才说的svm中使用了hingloss，从原理上讲一下他为什么使用hingloss

7、 你以后想从事的领域和方向

8、 你说你对推荐系统的NCF有部分了解，讲一下你所知道的。

9、 手撕代码：找到数组中和为k的连续的子数组的个数

美团二面（4月中）

1、 介绍一下论文项目，用到的技术，方案的闪光点

2、 因为用到了KNN技术，问了K值怎么选，以及K值越大模型复杂度越高还是越低。

3、 知道哪些分类模型？

4、 讲一下xgboost和lr模型的优缺点

5、 你说xgboost模型效果好，为什么在推荐中工业界对lr使用得更多，能分析一下原因?

6、 特征工程怎么做，决策树特征重要性怎么算的。

7、 lr的损失函数吗？

8、 Lr多分类的目标函数是什么？

9、 Lr在二分类中用到了sigmoid函数，多分类中是softmax函数，当softmax函数用于二分类问题的时候，这两个的区别？

10、      直接用Softmax函数进行多分类和用sigmoid的函数二分类组合进行多分类的区别，各自适用于怎么样的场景？

11、      知道哪些二分类的评价指标？

12、      上面的问题提到AUC了，讲一下对AUC的理解

13、      AUC怎么计算