背景：楼主一年半经验 其中半年后端经验 一年机器学习算法经验 focus在时序预测和回归，运筹方向。
滴滴分割线---------------------------------------------------------------
滴滴一面：面试官人超nice，很有共同话题，善于引导，面完就觉得非常倾向滴滴了- -
1.项目，po主的项目主要是一些销量预测和车辆调度/配货相关，销量预测项目里面的方法论（树模型xgboost+时序模型prophet+深度模型self-attention等各种组合方式），EDA的思路（观察数据趋势，自定义changepoint和holiday等）；
调度项目里面的背景和方法论（混合整数规划+遗传算法）。
2.应用算法，问完项目之后就是针对项目里的算法问原理和具体处理过程，xgb原理，xgb调参（这块说了一个控制单调性的参数monotone_constraints，面试官表示没用过，很感兴趣），自定义损失怎么实现（一阶，二阶），并行原理（特征增益计算，存储），特征排序方法（贪心，分位数近似）；prophet原理，调参方法；整数规划求解方法（分支定界，割平面）；遗传算法在项目中如何编码，如何设计变异策略，问题规模。
3.概率论基础，常见分布有哪些（泊松，高斯，多维高斯），泊松应用场景，卡尔曼滤波（问这个是因为实习期cv经历写过一个视频行为识别的专利，用到了kalman和高斯混合，结果没答上来原理orz是真的忘了啊。。。）
4.概率论游戏题，抛硬币，先手获胜的概率（硬是回忆起了等比数列求和公式）
5.做题，二叉树LeetCode129
滴滴二面：面试官工程相关出身，问了很多工程向的问题，人也很nice，善于引导+1
1.项目，跟一面差不多，更偏向问落地，比如如何与后端协调，线上模型出问题应该怎么办
2.讲讲逻辑回归，lru算法（表示这个之前没有接触过，从lstm的角度大致讲了一下可以通过一些门的方法做内存保留与否的判别，不过面试官想知道用哪些数据结构做orz 主要之前没接触过，答错了方向，从算法角度扯了太多attention的东西）
滴滴三面：主管面，人超级nice，年轻有为
1.项目，主要问项目价值与方法论，业务场景与优化策略。
2.开放场景题：两轮车的投放策略，拼车算法思路；这块我说之前看了滴滴在kdd发的两篇论文，有一篇就是讲拼车的思路。大致答了一下会根据地区的历史需求数据的分布做时序上的预测，根据预测结果进行冗余投放，考虑到还有友商参与竞争的成分又扯了一些game theory =-=
三面完主管加了我微信，隔天就hr面了。因为手里有其他offer，所以犹豫了一段时间OVO。后续主管也是主动又聊了一波，在此特别感谢他，聊完的隔天就接了滴滴offer，把在过程中的阿里，MS等都停掉了。
未完待续---------------------------------------------------------
全部评论
(4) 回帖