作业帮（机器学习推荐\广告）面经4-10

楼主弱鸡小白阔别2周，又开始新一轮面试啦，面完是真不想学习，但是还是坚持把攻略写了。

先说难度吧，除了这学期开始没准备好阿里体验了2面难度，还有滴滴，小米，与这三家难度对比了一下，个人感觉作业帮是面试难度最难，扣细节，面完楼主怀疑人生的那种。运气比较好，最后还是上岸

——————————————————————————————————————————————————————————

一共4面，1面基础面，2面项目比赛面，3面leader面，4面hr

1面特别扣细节，我不知道怎么回事，感觉和面试官不在一个频道上面，面试官问的我感觉都答了，但是面试官总感觉理解不了，总给我说不是这样，回去再看看书。具体的是说了一下决策树的构成，损失函数，剪枝，特征分裂，然后GBDT分类与回归的原理（分类和回归最大的区别是什么，楼主说的是损失函数不同带来的初始化与叶子节点的处理方式不同，但是好像不是这么的），GBDT为什么能用残差拟合，xgboost对比gbdt的不同，xgboost最大的缺点是什么?有了解lightbgm嘛？说一说fm，FM参数初始化是什么样子的呢（随机初始化？反正楼主没答到点子上）？那么GBDT+LR模型有了解嘛，其中GBDT是做什么的了（做自动特征组合的，给LR引入非线性，然而再一次被面试官质疑了。。），最后介绍了一下deepFM，还有deepFM的改进deep cross networdk 和 xdeepfm。编程题，一个二维平面n个点，求斜率最大，O(Nlogk)排序+ O（n）的遍历。然后综合之前的表现，楼主准备直接回学校了，谁知道竟然还有二面。。。。。

2面问的是楼主之前的比赛，然后说了一些特征处理，特征工程的手段。因为楼主简历上写了graph embedding，后面介绍了一下deepwalk，其中深入讲解了word2vec，损失函数，怎么优化，分层softmax和负采样作用是什么，能画出示意图解释下嘛，再之后出了个概率题，两个人乒乓球，A比B厉害，那么A想赢的话 3局2胜好还是5局3胜好，这个题是可以用二项分布计算的，但是楼主提了一嘴大数定理，面试官就让我过了

3面leader面，主要聊了一下人生，聊了一下自己对自身的认识，以及对机器学习的看法，对于统计有自己的看法嘛，贝叶斯学派和频率学派有研究嘛。然后说了一下对我学习的指导建议，说多补补C++ 和java准没错，然后给我推荐了一本机器学习书籍 PRML。到这一面超级轻松，聊天氛围也比较好，感觉就是会说话就行了

4面HR，主要聊了一下薪资，作业帮实习的钱算比较多的了，300一天然后一周3-4天，包三餐，其中管三餐对楼主吸引力特别大。

面完作业帮，一面始终是个刺在心里面，感觉自己超级弱，然而楼主一开始面试又没了学习状态，明天本弱鸡还要面快手一面，写完攻略睡一觉，再逼着自己看看书吧

#作业帮##快手##机器学习##面经##算法工程师#