【一面】1.5h
自我介绍+项目+实习
面试官问的非常细，时间挺长的，自己的论文要读明白，然后项目边边角角都要考虑到
开始问知识点（数学)：
1.贝叶斯公式你给我写一下（我写了个公式，然后面试官说你这是条件概率公式）
2.卡方检验知道吗，你知道里面的P值是什么吗?（并没有答上来）
开始问DL+ML：
1.我看你对集成学习这边比较熟悉，那你说说随机森林和XGBoost的区别（说了他们属于不同的bagging/boosting大家族，弱学习器之间是否有依赖关系，xgb损失函数的优化，泰勒展开；xgb相对于RF并行上面的优化）
2.深挖：xgb的并行如何实现的?（只说了一个并行的时候可以同时算分裂）
3.深挖：随机森林的随机性体现在哪里?（我说列采样，数据随机采样）
4.更深挖：随机森林一个数据被重复采样的概率是多少？（没答上来）
5.你知道SVM，LR，GBDT它们更有什么优缺点和应用场景吗?（我说SVM可能因为超平面的关系更加适用于多分类，然后LR实现简单，应该效率比较高，适用于样本比较好；然后GBDT他是个集成学习，效果应该比前面两个好吧，现场瞎扯，因为从来没有放在一起比过这几个）
6.深挖GBDT：你说GBDT回归的时候拟合的是具体的数值，那分类的时候怎么实现的呢?（分类的时候应该就是拟合概率值吧）
7.面试官继续问GBDT用于三分类的时候，怎么实现的？（不会）
开始问DL：
- seq2seq跟transformer相比有什么不同吗？（seq2seq有长距离依赖问题，那transformer encoder方面引入了self-attention机制，可以更好的关注上下文，seq2seq相当于只能关注前面的信息，而transormer相当于可以关注上下文，相当于双向语言模型；为了解决transformer位置编码的问题，transformer引入了位置编码）
2.transformer的注意力机制你知道怎么实现的吗？（Q,K,V,Q作用域K，然后sigmoid取均值，输出加权平均和，面试官纠正你刚刚说sigmoid?我说说错了，应该是softmax）
3.你知道Q,K,V有什么意义吗，怎么得到的？（分别乘以3个不同的权重矩阵）
4.那Multi-attention怎么得到的？（那就用多个不同的Q,K,V映射矩阵，然后映射到不同的Q,K,V value）
5.面试官问多头注意力机制是为了什么？（我说是为了从不同的角度关注当前词和上下文的关系，避免信息挖掘的不全，为了更好的关注不同的语义信息）
6.深挖：你刚刚说了除以根号d，你知道为什么要除以根号d吗？（我..可能是为了归一化吧？后面想到可能是为了降低数值，面试官后来问有没有把 attention is all you need 捡起来从头到晚读一遍...）
开始手撕代码：
1.一开始给了函数头 sqrt，我就直接问是要实现内置函数sqrt吗，我说这个题我不太会，然后面试官给我换了个题。
2.手撕一反转链表（迭代写了，面试官说OK,说换一种方式把，我说那就是递归把，然后写的递归好像逻辑有点问题，然后面试官说没关系，我们开始下一题）
3.编辑距离了解吗？（我说了解，然后开始说word1-word2的最小编辑距离，然后我的网断了，又要进不去网页了，然后面试官说算了，我看时间也差不多了，好像面了一个小时20分钟了当时，然后我赶紧跟面试官说了做题思路：这是个二维DP问题，首先定义DP[i][j]表示长度为iword1转换为长度为j的word2时的最小编辑距离，然后定义状态转移方程，要分两类，相等和不等时，巴拉巴拉......然后面试官问你说的dp[i-1][j]代表的是增还是i删还是替换操作？增，dp[i][j-1]是删操作，然后dp[i-1][j-1]是替换操作....太卑微了）
4.面试官说时间差不多了，你对我有什么问题吗？（我说你们部门业务主要是做什么呢？说销售业务，和用户反馈的文本分析之类的，也会有纠错任务，这可能就是捞我的原因吧）
面试官再见（面了1小时30h吧，跟面试官道歉网速不太好，导致面试途中带来了很多问题，面试官人非常nice,非常有耐心，真的nice）
【二面】
项目，实习
开始问DL基础：
1.文本不平衡怎么处理？（说了过采样，欠采样，问还有没有其他的，没答上来）
2.评价指标有哪些？
（准确度， 精确度，混淆矩阵，AUC曲线， F1-score）
3.继续问有了P,R为什么要有AUC和F1-score？（说AUC是真阳性，与假阳性之间的平衡，面积越大越好，然后F1-score,是平衡p和R）
4.过拟合有什么解决方法？(数据增强，然后L1正则化，L2正则化；dropout)
5.顺着L1,L2正则化问，L1，L2正则化有什么作用？（在解空间碰撞出稀疏解，可以使一些特征参数为零）
6.业务场景题，现在有个半监督分类问题，你有什么思路吗？意思是只有一部分文本有标注，比如就标了体育（我说先进行二分类，把体育和非体育分开，然后再把非体育进行聚类，让他们自己去聚类，面试官说你说分类问题其实也可以，但是还是要先去找出一些边界的情况，我没太明白。）
7.手撕代码：
面试官说我们做个简单的吧, 实现二分查找
我：？
然后写出来了，然后面试官说有什么其他写法吗？
然后我就写了个递归的二分最后问会不会大数据公式？我说mapreduce,spark这些没机会接触到。然后问数据库熟悉吗？我说本科学过，然后他说复习了吗，我说没怎么复习，全都是复习机器学习去了
然后面试官就说OK了，时间短，让人感觉被刷KPI那种。
【三面】 30min
感觉应该是经典面，因为提前打电话问了三方以及意向，当时我还以为是HR，结果经理来了一句说我就是三面的面试官，我说哦哦好已经开始三面了吗，然后他说一会儿再约其他时间，先确认意向？然后一个小时以后电话就来了，当时楼主穿着睡衣刚恰完饭.. 我问是不是技术面，他说我不问技术噢。
1.xgboost和普通决策树有什么区别？(您不是说不是技术面吗，委屈啊)
2.xgboost和随机森林有什么区别？
3.概率题：如果明天下午的概率是80%，然后明天每个小时下雨的概率都是相等的， 求明天0点到8点的不下雨的概率（有一个小时下雨就算下雨）
4.然后一系列生活问题，已经不记得了，生活问题太多了，但是把面试官逗笑了很多次就对了。
