滴滴cto算法一面面经（10.22）

不得不说滴滴校招真是挺晚的。昨天下午一点半面试的，估计这次结果出来的时候，已经把三方送走了，写一篇面经回馈牛油。废话不多说。
1.首先是自我介绍……
2.说一下你的项目……
3.看你项目中用到了kmeans，这是分类算法还是聚类算法？
4.请介绍kmeans与knn算法流程……
5.你还知道其他机器学习算法麽……
6.请比较rf和gbdt算法……
7.随机森林的随机性体现在哪里……
8.xgb和gbdt有什么不同……
9.决策树的流程……
10.了解决策树剪枝麽？请描述……
11.你遇到过过拟合麽？什么是过拟合？有什么体现？
12.有哪些抑制过拟合的方法？
13.L1正则和L2正则……
14.如何做特征选择？
15.如何不用模型做特征选择？
16.了解深度学习麽？你常用的框架有哪些？
17.有哪些常用的激活函数？
18.sigmod函数做激活函数有哪些缺点？
19.什么是梯度消失和梯度爆炸？如何解决？
20.常用的优化算法？
21.牛顿法和梯度下降法的区别？
22.牛顿法有什么优缺点？
23.类别不均衡问题怎么处理？
24.了解强化学习麽？（不了解）
25.你是学什么专业的？（控制）
26.假如有m和乘客n个司机，每个乘客有自己满意的若干司机，让你去配对司机与乘客，让配对权值最大。这个问题从你们控制专业常用方法角度如何解决？
27.上面这个问题从cs角度如何解决？
28.你常用的编程语言是什么？
29.经常编程么？写的代码量最多项目的有多少行？
30.面向对象的特性是什么？
31.什么是智能指针？
32.你还记得笔试题麽……（感觉这时候想问我代码题了），你第二题，，是不是时间不够了？（我说emmmm是的，挺难的。其实是不会写，我就写了print😂交了上去）
33.你有什么问我的？
以上就是昨天面试的全部，第一次在牛客上写面经，估计有遗漏。
祝大家都能收割～


#算法工程师##滴滴##面经##秋招#