offer call 还愿，也总结下秋招吧

节前收到意向，基本确定了。

从3月份找实习以来，时间也挺长的，当然菜鸡是实习没找到。后来7月初面完了京东，觉得太远了，太折腾就没有去。

说说找实习的感受。算法岗真是爆炸，但是能力强的始终不缺地方去吧，只不过感受最深就是身在成都，简历不够优秀，被捞的机会都不是很多吧。有机会的话提前准备啥的最好了。

春招总共就面了几家，远景能源，一面聊的挺好的，结果二面上来就开怼，画风一变， 突然有点不知所措，也是太菜了吧，奥卡姆剃刀当时都不太清楚是啥，只记得好像在哪里见过。

远景面经：

简单介绍下自己 一分钟
看你项目主要用到的是树模型，拿到项目会考虑数据量么（从不同模型对应于不同的数据量或者数据分布的角度回答）
介绍下你的第一个项目，用了哪些方法和技术（说项目尽量可以说的慢一点，时间长一点）（这个面试官不感兴趣，直接跳过进第二个）
第二个住房租金比赛讲讲流程
主要是特征工程方面你做了哪些（数据预处理，构建特征，特征选择）
（你构造了几十维特征再进行特征筛选，岂不是没特征）答：原始存在20维，加上自己构造，最终也有30维的特征
怎么样防止过拟合的？
特征工程的流程？怎么判断你构造的特征的好坏呢？
有哪些调参的方法呢？（最好看下贝叶斯调参，这样能说的多一点）
网格调参速度慢，怎么优化一下呢？（面试官自己瞎提的，自己突然想到的问题，我问他答案，他说也在思考。。。。。。。）
怎么样进行特征选择？（皮尔逊系数？解释下皮尔逊相关系数是怎么选的呢？）
特征间的关系考虑过么？
你对python有什么看法？
什么时候能来实习？
有什么问题问我的？

然后就是腾讯，（通过这次面试，让我知道你不会c++聊的再好也没啥用，）一面和面试官聊的好好的，结果一周之后没有消息，去问了内推人，觉得不会c++，的确，自己不会这种只能怪自己菜。

所以不论是什么岗还是要一门开发语言吧，可能你算法足够牛逼不会被问到这个东西，但是一般人还是要会一门开发语言，好像真的只会用python，等于不会编程呢。

腾讯大致的面经如下：

自我介绍
实验室主要的方向，自己的研究方向，发论文没有？有没有往自然语言处理等具体方向发展？（项目驱动）
介绍下育碧的项目？（项目时间比较集中？主要之前做知识储备）
数据量多大
育碧项目最终的评价标准？
主要用到树模型，那么介绍下xgboost和lgb（介绍原理，与gbdt对比的介绍，介绍xgboost和lgb的优点：效率高，速度快等）
大数据比赛怎么做的？（从背景-数据预处理-特征工程-特征选择=模型调参）
第一个关键词提取是怎么做的，为什么选取embedrank++算法
词向量和句向量是怎么得到的？（面试官说了什么rnn懵逼，没听懂）
平常主要 用什么语言？c了解么？？c++呢？（只会python其他不会）
你有什么要问我的？（介绍下部门主要做的推荐）


PYTHON处理100g数据
lgb怎么并行

阿里   菜鸡也被阿里捞起来了，当时和同学在外面玩就没有认真的去面试，所以也是自己浪费了机会。奇怪的是周围找实习的时候面腾讯阿里算法题考的不是特别多，不过还是要准备的哈。

百度    二面挂，一面的面试官一直在引导，所以表现的还ok，等到了二面，对面是一个做文本的，方向不对，聊的也不多，然后就挂了，百度每一面都需要手撕代码，形式就是线上视频面试，

所以代码题准备好优势很大吧。

海康威视   都快结束了被捞起来了，没啥用，一面技术，一面hr，面完了估计没hc就没了后续。

京东    投递日常实习吧，然后面过了，上面解释了觉得时间太晚了就没去。

京东面经：

历史套餐3000维，为啥不直接用对应的id
用户行为数据特征具体维度对应的含义（多举例）
为什么不用当前套餐特征进行输入
提到短信几百条，你是怎么做的（归一化 我瞎说）
你提到了youtube推荐，具体怎么做的，对连续性特征怎么做的

推荐对于离散型  连续型特征的做法，，  

batchnormalization解释一下
bn对于训练集和测试集使用有啥区别

介绍word2vec
介绍负采样，细节
为什么要优化

以上是实习部分，有点碎碎念了，各位将就的看！

实习对秋招的影响只有自己面试才能感受吧，毕竟实验室项目怎么样只要你待过实验室就知道，就没几个上线的，太low，没有实习找的真的是太累了。

秋招

拼多多二面挂了：https://www.nowcoder.com/discuss/231889贴个地址，之前写的

网易二面挂：二面有点劝退面吧

面了星环科技，太累了，一共四面，三面线上，一面线下，

面经如下：

自我介绍
做一下题口述（leetcode469）easy 但我尬住了
介绍一下比赛怎么做的
缺失值怎么填充的（均值众数）
还有其他方法么？用机器学习算法预测，还有其他的么？我真的不会了
异常值（介绍下箱型图）
还有哪些处理异常值的方法 （30和画图））
怎么做的特征
模型采用的lgb那么介绍下树模型
熵的计算公式
决策树怎么处理连续值 的
gbdt用残差有哪些缺点
gbdt怎么做的分类（还是用残差么）
xgboost相对gbdt有哪些不同
业务场景，有三个表，一个用户表，一个物品表，一个购买时间表，怎么构建一些时序的特征
自我介绍
项目介绍
问具体特征的构建，模型的输入（主要问业务方面）
模型采用的什么优化方法（adam）
为什么用adam（大家都用？回答说速度快）
adam原理解释一下（哇，电话推公式伤不起，说了一阶动量和二阶动量）
一阶动量二阶动量具体代表的含义
为什么这么做（主要去保留前面的梯度）
这里面分类可以用lgb么
为什么用lgb不合适（这里解释的不好，特征稀疏输进去真的好？懵逼这里）
介绍下树模型吧（ID3 C4.5 CART GBDT XGBOOST）
讲到信息增益的时候问信息增益只能通过熵来求么？有其他方法么？（懵逼，又不知道）
gbdt为什么要对均方误差求导呢？
xgboost（二阶泰勒展开是对谁展开）
寻找最优分裂点为什么要对hi的权重进行求分位数？
算法题：菲波那切数列知道么？
怎么求？复杂度（说了一个O（2^N））
怎么优化一下呢（递推记录，O（N））
还能优化一下么？（O（logN））这个真不会，我在瞎扯