贝壳机器学习ADC三面面经

贝壳一面（35min，感觉面试官有点紧张？）

• 自我介绍
• 详细讲一下实习内容以及创新部分
• 问了些实习的问题
• 讲fm
• 还了解啥其他排序模型，都讲一下，ffm，deep系列
• xgboost为啥用二阶泰勒展开
• 问过拟合的解决方案
• 你是怎么做特征工程的
• 讲一下hadoop shuffle做啥的
• 如何处理数据不均衡的
• 感觉问的很宽泛，没反问，也没深入问，谢谢面试，没了。

贝壳二面（35min，小哥人很好，不会的问题还给我按要点一条条讲）

• 自我介绍
• 讲实习
• gbdt，xgboost，lightgbm
• 推荐和搜索的区别和联系，问了好一会
• 推荐系统除了点击率指标还有啥评判体系
• 如何解决ctr预估因为采样漂移的问题（复盘）
  • 修正: $q = \frac{p}{p + \frac{1 - p}{w}}$ 其中，q是修正后概率，w为负采样频率
  • 在sigmoid函数做调整：$q = \frac{1}{1 + e^{(-logit + lnw)}}$,w为负采样频率，加上个lnw偏移量达到矫正的目的
  • 调整样本权重
• 怎么解决冷启动问题的
• spark了解么，说下和hadoop区别，为啥用spark（我说了一部分，面试官从头到尾列了几点）
• cnn？感受野？为啥用多个小卷积核代替大的（我 emm，面试官给我讲的）
• 双向lstm优势
• awk提端口
• git merge rebase 区别（我只简单说了git，大多数用IDEA提交的也，面试官没为难我）
• 用python和java的版本
• 多媒体处理了解么，处理多媒体音视频用CNN系还是RNN系（我说CNN。。）
• 反问

贝壳hr面（25min，人很好的小姐姐)

• 自我介绍
• 实习这么久咋不转正，这块说了好一会
• 了解贝壳么
• 父母同意来么
• 近几个月的最大困难
• 近几个月的规划安排
• 最有成就感的竞赛，聊了一会
• 反问
  • 新人培养
  • 忘记问啥时候出结果了，不过看帖子说一周后要么oc要么感谢信。