深信服-算法工程师一面和二面

深信服-算法工程师岗一面：

1、 自我介绍；

2、 问项目（问了差不15分钟）；

3、 说了6个模型，让从机器学习模型参数的可解释性角度，把这6个模型分类，这6个模型分别是：随机森林、决策树、线性回归、多层感知机、SVM、GBDT、MLP；

4、 随机森林的原理、MLP的原理以及怎么更新参数；

5、 Bagging集成和boosting集成的区别；

6、 L1正则化和L2正则化的概念、区别、以及用途；

7、 学习率的作用；

8、 Weight_decay的原理和作用；

9、 动量的作用；

（好像还有一两个，记不起来了。）

10、编程题：

（1） 给定一个整数数组 nums ，找到一个具有最大和的连续子数组（子数组最少包含一个元素），返回其最大和。

示例 1：

输入：nums = [-2,1,-3,4,-1,2,1,-5,4]

输出：6

解释：

连续子数#组 [4,-1,2,1] 的和最大，为 6 。

（2）给定一个数组，例如[1,2,2,3]，数组中的元素为正整数，对该数组进行剪枝，使得相邻的元素组合没有重复，输出[1,2,3]

[1,1,2,2,3,3] => [1,2,3]

[1,2,3,3,1,2,2,3,1,2,3]=>[1,2,3]

[1,2,3,4,1,2]=>[1,2,3,4,1,2]

11、 反问：

12、总结：

感觉这个面试官的水平一般，或者就不是算法工程师，百度来的题在问我。我自己也有点紧张，回答的不流畅。编程题要求15分钟做出来，做出来了第一题，第二题做了一半，时间到了，让我讲思路。

（一共面试了1个小时，完结）

深信服-算法工程师岗二面：

1、 自我介绍；

2、 说一个你最自豪的事；

3、 获奖证书中，最让你自豪的是哪个？

4、 问项目，用到了什么技术，改进了没，改进了什么；

5、 怎么判断出来是过拟合了，过拟合的解决方法；

6、 L1正则化和L2正则化分别适用于什么样的场景；

7、 XGBoost与GBDT相比，改进了什么？

8、 两道编程题（他口述。。。。。。）：

第一题：

输入：无序、有重复的整数数组==》输出：有序无重复的数组；

第二题：

输入：无序、有重复的整数数组==》输出：前三大元素（要求时间复杂度O(n)）。