20181013

一面：

1. 面試官：看你發了兩篇論文，是關於股票預測的，講一下論文吧！

我：就簡單的講了一下論文的創新點和達到的精度。

注意：

（1）其實論文是自己的亮點，面試官感興趣，我應該仔細講講的。

（2）其次，論文裡面用到的細節，一定要非常清楚，能講清楚，並且講論文的試試，要有鋪墊。

可以這麼講：

（1）之前別人是怎麼做股票預測的。

（2）別人做股票預測的精度和不足。

（3）你做的股票預測和別人做的股票預測有什麼差別。（這裡重點講一下自己的創新點。）

（4）你達到了一個怎麼樣的精度，效果如何。

2.  面試官：你都熟悉哪些常用的機器學習演算法？

我：迴歸演算法有：線性迴歸、Lasso迴歸、嶺迴歸。分類演算法有：邏輯迴歸、決策樹、貝葉斯、SVM、神經網路、整合學習。聚類演算法有：k-means、層次聚類、（密度聚類不敢說，因為切實忘了原理過程）。

面試官：你能詳細的講解一下，線性迴歸的原理麼？

我：線性迴歸的迴歸模型為 ，就是訓練一條直線來擬合我們的訓練資料，根據這個訓練好的線性函式來預測數值。

面試官：你講解的線性迴歸是我們理解的形式，你能具體講解一下線性迴歸的底層原理，比若說如何訓練，如何得到引數，如何調整引數等？

我：這個不是很清楚，沒有做過具體的專案，但是我對邏輯迴歸做過深入的研究。

面試官：那你就講解一下邏輯迴歸的原理吧！

我：把邏輯迴歸從頭到尾，詳詳細細的講解了一遍。

3. 面試官：你再詳細的講解一下樸素貝葉斯的底層原理，比如說，如何選引數，如何訓練模型，如何做分類？

我：樸素貝葉斯的樸素其實是樣例中特徵之間相互獨立。後邊就說不出來了。。。

4. 面試官：深度學習中的梯度消失是什麼，如何解決？

我：詳詳細細的把梯度消失的現象，造成的實質原因，和三種解決辦法講了一遍。

三種解決辦法：

（1）修改啟用函式。

（2）用BN。

（3）把傳統的迴圈神經網路，換成GRU網路。

5. 面試官：神經網路中的word2vec瞭解麼？詳細講解一下它們的原理？

我：把word2vec的兩個模型：CBOW、skip-gram詳細的講解了一下。

（1）面試官：你能詳細的說一下CBOW和skip-garm它們的區別麼？分別適用於什麼場景？

我：沒回答出來。

6. 面試官：資料結構中，什麼是平衡二叉樹？

我：詳細的把平衡二叉樹概念說了一下。

（1）面試官：什麼是二叉樹？

我：一個結點沒有子節點，或者是隻有左孩子結點、或者只有右孩子結點、或者只有左孩子和右孩子結點。

（2）面試官：平衡二叉樹的應用都有哪些？

我：二叉排序樹。（錯誤的回答。）

注意：正確的回答應該是B-樹和B+樹。

7. 面試官：我們來寫一道程式碼題。

題目：給你一個很大的檔案，檔案裡有很多行資料，每一行資料是一個使用者的uid，表示這個使用者點開過抖音，請你找出開啟抖音次數最頻繁的前10個使用者。

面試官接著解釋題目：假如抖音裡面有5億使用者，那麼每個使用者開啟一次抖音就有5億條記錄，如果每個使用者開啟兩次抖音，就有10億條記錄。也就是說，使用者每開啟一次抖音，就記錄一下他的uid。請找出開啟抖音次數最頻繁的前10個使用者。