腾讯机器学习面经
一. 前期准备
Step1，看吴恩达老师的公开课，CS229看了几节有点难，后来就改看Coursera，期间跟着手推公式，用Octave完成作业，大概花费1个月。
Step2，西瓜书和《统计学习》，本来这两本书要反复精读的，但是楼主太菜了，看了两个礼拜就看不下去了，但还是要看的，可以作为公开课的补充。
Step3，学python，这个可以直接在kaggle上学，下个Acaconda，用spyder就可以了，大概花了两个礼拜。
Step4，参加Kaggle竞赛，具体哪个就不说了，最后前1%，同时刷《剑指offer》，大概花费一个月。
Step5，反复刷《剑指offer》，大概4轮，然后刷常考的leetcode题，比如2sum、3sum、股票问题、TopK，同时大量看面经，我收藏了20多篇腾讯机器学习的面经，就着上面的问题来复习，也是一个月。
So，经过这样的学习，在3.8号，我投出了自己人生中的第一份简历。
二. 面试过程
虽然3.8就投了简历，当天晚上腾讯打来电话，但是，我没接到！！！桑心😥😥😥。再连续等了N天后，我终于在20号开始了我人生的一面。
一面（电话面试）
面试官人很nice，没有为难我这个菜鸡，我的临场发挥也还行，自我感觉能打到8分，下面是过程：
自我介绍。balabala，比较顺畅
为什么跨专业？实话实说
敲代码：翻转二叉树。So easy，3分钟搞定，bug free，然后这就是我第一道也是最后一次敲代码，明明我准备了那么多的。。。怎么就不考了呢？忧桑😥😥😥
接下来问项目：
数据处理，特征工程
K折交叉验证与留出法对比，精度提升情况
比赛评分标准，准确度情况
Stacking
l1，l2对比
线性回归，SVM背后原理，还问了最小二乘法的公式
XGBoost如何给出重要特征
还问了python，set背后实现原理（这个没答出，后来同学跟我说可能是map）
问我有什么问题？我问了一下业务相关，面试官说大概是做广告这方面的
全程35min，大概十个问题回答出了九个这样子，面完自我感觉还行，开始准备复试。
二面（视频面试）
二面的体验就比较差了，面试官全程只问项目！！！而且他那边声音信号又不好，常常听不清，被怼得很惨，当时心灰意冷，大概问了：
自我介绍
数据处理，特征工程
Stacking原理，还有怎么调优？
随机森林和GBDT，XGBoost对比
XGBoost怎么调参？用了多少棵树？
神经网络、深度学习了解吗？
卷积层、池化层
Dropout为什么能防止过拟合？具体实现
你还有什么问题？当时感觉凉凉，连问题都忘问了
全程也是35min，面完就感觉凉凉，自闭，没想到三天后突然到HR面试，感觉真是中大奖了
HR面（电话面试）
HR是一个小哥哥，正好是我校学长，语气很nice，就问了些项目情况、学习方法和实习时间，没问技术，全程8min，但也应该事先准备下。
以上就是面试的全部情况，刚刚内推人和大佬都帮我查询到“已录用”，应该是稳了，也算是圆满结束春招。
三.TIPS
1，项目是大头，一定要把项目弄透，最好把自己熟悉的一面写上去，去引导面试官提问，自己都不熟悉的项目我个人认为是减分项
2，提前准备，腾讯的面试官喜欢突击面试，我的一面二面都很准时，HR面提前了半个小时，这种突发情况一定要尽量避免，消除影响
3，建议大家搜集同方向的面经，10-20篇，把上面的问题都搞懂，问题就不大了
4，还有一个TIPS今年可能没什么用了，就是报名时间，并不是越早越好，也不是越晚越好，大概在提前批60%-70%的时间投递是最好的，这是看鹅厂wo谈会看到的，由北邮人总结。
