腾讯- 后台策略安全-一面凉经
部门介绍：用户借贷的信用评估之类的问题 用户画像
1min自我介绍
对机器学习哪些算法比较熟悉？ LR,SVM，树模型，模型集成
XGboost介绍，优缺点
有比较过效果差异吗？ 上课听过，实验做过，比赛和项目中没有用过。
XGboost和随机森林的对比。
XGboost中的行采样和列采样有什么用？ 加速&降低过拟合风险
过拟合和欠拟合分别怎么解决？
实际使用中，处理的先后顺序？ 先上小模型，一般欠拟合，加复杂度，发现过拟合，再正则化等。
机器学习和深度学习在处理过拟合时有什么区别？
DL需要数据量更大，数据问题更严重；各种结构设计，正则化技术和参数可供选择；early stopping等技术。这里胡扯。
数据重要还是模型重要？为什么？
数据:
学习数据的规律，数据是效果上限。
大量数据+简单模型也能够取得不错的效果，缺少数据，很难办，特别是推荐系统中。
挖掘特征，特征能够提高效果，LR+GBRT.
了解项目，问的很细。
内容特征提取时，哪种词embedding？google 新闻语料+word2vec，初始化后fine-tune.
详细介绍node2vec： 同质性，BFS;结构性，DFS.
项目中GE的时候，用的是什么连接边？只有user-item？ 对。不用内容相似度作为边的权重，内容部分已经处理的比较好了。 后期有必要可以各种信息融合进去，异构信息网的embedding。
图数据集的规模。
项目中更关注BFS还是DFS？ 协同过滤，更关注近邻用户，同质性。
调节了什么参数？ 主要是两个概率的设置。
做题，很简单的应用问题。
User-id，日期，打卡时间。
找出某个用户，距离当前日期的连续打卡时间。#腾讯后台策略安全机器学习应用一面##腾讯##实习##面经##校招#
1min自我介绍
对机器学习哪些算法比较熟悉？ LR,SVM，树模型，模型集成
XGboost介绍，优缺点
有比较过效果差异吗？ 上课听过，实验做过，比赛和项目中没有用过。
XGboost和随机森林的对比。
XGboost中的行采样和列采样有什么用？ 加速&降低过拟合风险
过拟合和欠拟合分别怎么解决？
实际使用中，处理的先后顺序？ 先上小模型，一般欠拟合，加复杂度，发现过拟合，再正则化等。
机器学习和深度学习在处理过拟合时有什么区别？
DL需要数据量更大，数据问题更严重；各种结构设计，正则化技术和参数可供选择；early stopping等技术。这里胡扯。
数据重要还是模型重要？为什么？
数据:
学习数据的规律，数据是效果上限。
大量数据+简单模型也能够取得不错的效果，缺少数据，很难办，特别是推荐系统中。
挖掘特征，特征能够提高效果，LR+GBRT.
了解项目，问的很细。
内容特征提取时，哪种词embedding？google 新闻语料+word2vec，初始化后fine-tune.
详细介绍node2vec： 同质性，BFS;结构性，DFS.
项目中GE的时候，用的是什么连接边？只有user-item？ 对。不用内容相似度作为边的权重，内容部分已经处理的比较好了。 后期有必要可以各种信息融合进去，异构信息网的embedding。
图数据集的规模。
项目中更关注BFS还是DFS？ 协同过滤，更关注近邻用户，同质性。
调节了什么参数？ 主要是两个概率的设置。
做题，很简单的应用问题。
User-id，日期，打卡时间。
找出某个用户，距离当前日期的连续打卡时间。#腾讯后台策略安全机器学习应用一面##腾讯##实习##面经##校招#
字节跳动公司氛围 556人发布
