数据相关：

项目中不平衡数据如何处理

项目中数据量的大小

项目中数据的特征介绍

什么是hard样本什么是easy样本

机器学习相关：

Boosting 和 bagging的区别

决策树的分裂的计算（ID3, C4.5,CART）

Adaboost 和 GBDT 的区别

Adaboost 和 GBDT的损失函数

Xgboost 和 GBDT的区别

Boosting 和 Random Forest Tree 的区别

梯度下降和随机梯度下降的区别

逻辑回归，svm和树模型的区别

项目中为什么选择GBDT而不是adaboost

采用什么作为模型好坏的评判标准（accuracy, f1-macro）

降维的方法

树模型如何调参

如何检测模型是否过拟合

如何减少过拟合现象的产生

深度学习相关：

Attention 和 self attention的区别

介绍一下Transformer

Bert提升了transformer的哪些东西

BERT比RNN好在哪里

RNN, LSTM, BERT的优缺点

梯度消失和梯度爆炸产生的原因

如何解决梯度消失和梯度爆炸