20181013

一面：

1. 面试官：看你发了两篇论文，是关于股票预测的，讲一下论文吧！

我：就简单的讲了一下论文的创新点和达到的精度。

注意：

（1）其实论文是自己的亮点，面试官感兴趣，我应该仔细讲讲的。

（2）其次，论文里面用到的细节，一定要非常清楚，能讲清楚，并且讲论文的时候，要有铺垫。

可以这么讲：

（1）之前别人是怎么做股票预测的。

（2）别人做股票预测的精度和不足。

（3）你做的股票预测和别人做的股票预测有什么差别。（这里重点讲一下自己的创新点。）

（4）你达到了一个怎么样的精度，效果如何。

2.  面试官：你都熟悉哪些常用的机器学习算法？

我：回归算法有：线性回归、Lasso回归、岭回归。分类算法有：逻辑回归、决策树、贝叶斯、SVM、神经网络、集成学习。聚类算法有：k-means、层次聚类、（密度聚类不敢说，因为切实忘了原理过程）。

面试官：你能详细的讲解一下，线性回归的原理么？

我：线性回归的回归模型为 ，就是训练一条直线来拟合我们的训练数据，根据这个训练好的线性函数来预测数值。

面试官：你讲解的线性回归是我们理解的形式，你能具体讲解一下线性回归的底层原理，比若说如何训练，如何得到参数，如何调整参数等？

我：这个不是很清楚，没有做过具体的项目，但是我对逻辑回归做过深入的研究。

面试官：那你就讲解一下逻辑回归的原理吧！

我：把逻辑回归从头到尾，详详细细的讲解了一遍。

3. 面试官：你再详细的讲解一下朴素贝叶斯的底层原理，比如说，如何选参数，如何训练模型，如何做分类？

我：朴素贝叶斯的朴素其实是样例中特征之间相互独立。后边就说不出来了。。。

4. 面试官：深度学习中的梯度消失是什么，如何解决？

我：详详细细的把梯度消失的现象，造成的实质原因，和三种解决办法讲了一遍。

三种解决办法：

（1）修改激活函数。

（2）用BN。

（3）把传统的循环神经网络，换成GRU网络。

5. 面试官：神经网络中的word2vec了解么？详细讲解一下它们的原理？

我：把word2vec的两个模型：CBOW、skip-gram详细的讲解了一下。

（1）面试官：你能详细的说一下CBOW和skip-garm它们的区别么？分别适用于什么场景？

我：没回答出来。

6. 面试官：数据结构中，什么是平衡二叉树？

我：详细的把平衡二叉树概念说了一下。

（1）面试官：什么是二叉树？

我：一个结点没有子节点，或者是只有左孩子结点、或者只有右孩子结点、或者只有左孩子和右孩子结点。

（2）面试官：平衡二叉树的应用都有哪些？

我：二叉排序树。（错误的回答。）

注意：正确的回答应该是B-树和B+树。

7. 面试官：我们来写一道代码题。

题目：给你一个很大的文件，文件里有很多行数据，每一行数据是一个用户的uid，表示这个用户点开过抖音，请你找出打开抖音次数最频繁的前10个用户。

面试官接着解释题目：假如抖音里面有5亿用户，那么每个用户打开一次抖音就有5亿条记录，如果每个用户打开两次抖音，就有10亿条记录。也就是说，用户每打开一次抖音，就记录一下他的uid。请找出打开抖音次数最频繁的前10个用户。