标签：面试官 区块 项目 -- 面经 二阶 算法 LSTM 转载
一面
询问简历上做过的项目，以及项目细节
算法题：
二叉树中序遍历（要非递归解法）
两个有序链表的归并。
快排
lstm 详细讲讲解
attetion 机制
混淆矩阵，F1等计算
n个人进餐馆，都把帽子挂在门口，走的时候随手拿一顶，问拿到帽子恰好是自己的人数的期望
ML 与 DL比较
实习的一些问题
二面
算法题：返回二叉树中路径和为某一值的所有路径、反转句子中单词顺序
区块链比赛和专利
我惊了个呆，大佬竟然还了解区块链，准确指出了我的区块链项目和专利的不靠谱处（我也知道啊，所以我转ML了啊）
项目
这个就随便聊了聊
AUC计算
很奇怪，我面试后看了看发现给出的是正确方法，但是面试官说不对。。。
进程和线程是为什么被提出的
线程间如何通信
快排复杂度的证明
特征筛选方法
三面
基础数据结构和算法有哪些
是的你没猜错，我把课本罗列了一下，顺序表 链表 哈希表 树系列 图系列，选择插入冒泡希尔堆快速基数外部排序，就过了。。。
推荐类算法比较
机器学习算法比较
聊了聊区块链
已经拿到offer
这是下一位同学的面经
一面
聊项目，聊的非常细，我的项目就是比赛，面试官甚至问了我提分的过程，一开始多少分，做了哪些工作之后升到了多少分之类的；
跟过拟合有关的一些问题，详细的内容已经记不清了；
聊xgboost；
聊deepFM；
项目中用到了LSTM，为什么可以用LSTM，它的主要用处是什么，以及LSTM的梯度消失问题；
算法题：二叉树中的最长路径；
算法题：x的平方根。
二面：
聊项目；
聊GBDT；
算法题：二分查找；
算法题：最大堆的插入；
聊deepFM；
不定长文本数据如何输入deepFM，如果不截断补齐又该如何输入；
项目中为什么使用LSTM；
项目中整个过程中都做过哪些优化。
三面：
n个数中等概率抽取m个数。
三面就问了一道概率题，剩下的基本上是聊天。 总的来说面试难度不高，感觉也是我运气好吧。
这是下一位同学的面经
一面
给一个数组，数组的数字代表股票价格，求一次买卖的最大股票收益
1-n的全排列
lstm是什么的升级？解决了什么问题？
讲一讲各种激活函数
attetion 机制
embedding的深层含义是什么
c 的const字段有什么意义
RF和GBDT的区别
为什么GBDT可以提高准确率
矩阵分解
二面
自我介绍
讲区块链
区块链中51%攻击的经济学原理
求树两个节点的最低公共祖先
讲kaggle比赛
xgboost比gbdt的优化都有哪些
为什么xgboost要求二阶导数
泰勒展开逼近残差，二阶比一阶精度高
通用性，所有二阶可导的loss function都可以用
有些函数梯度在一阶上变化小，二阶变化***牛顿法
为什么gbdt没有正则
讲项目
计算一下项目中DNN的参数个数
gbdt与lr区别
集成为什么会提高效果
l1 l2正则
xgb lgb调参怎么选参数
贪婪搜索呗？面试官觉得不行？难道是贝叶斯参数优化？
怎么样在没有得到未来数据的情况下提高模型对未来预测的效果
讲道理我觉得这个问的非常扯淡，不就是泛化性，然后我说了一些降低方差的方法，面试官说是对未来预测的准确性，没有get到他的点，最后被说对算法的追求不够。。。。
标签：面试官,区块,项目,--,面经,二阶,算法,LSTM,转载 来源： https://www.cnblogs.com/ache/p/16155457.html
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。