头条一级部门Data如何？收到推荐算法offer，面经如下
求解答的问题：Data这个部门如何啊？hr说老大是项亮。知道AILab好像特别出名。。。
面经如下（有点粗略，有些问题想不起来了。。。抱歉）：
在北邮人上直接投的简历，得到面试机会，由于人在天津+各种事情，面试时间推了三次。。。hr小姐姐脾气太好了，点赞
技术面两面+hr一面+hr电话直接谈入职时间
一面（视频）50min：
- 讲自己写的论文，20min，如何用的LDA，讲解多臂***，从基本的到我用到的，再到改进，论文中最重要的参考文献面试官很懂。。。聊得很细
- xgboost原理，推导，调参，（由于kaggle项目里用到过）
- 基于商品的协同过滤，公式实现，类似于TF-IDF的思想从而惩罚热门商品
- 深度学习的东西，防止过拟合
- 写代码，将一串从小到大的数字，任意轮转，如1,3,4,5,7,8,23，轮转为5,7,8,23,1,3,4，给定一个数字，查找是否在该列表中，给定位置or输出错误。（对二分查找改进即可）
二面（视频）50min：
- 论文又说了20min
- 分类算法知道哪些
- GBDT的推导，原理。实际项目有用过吗？没有。。。
- GBDT第二棵树的输入是什么？梯度是几阶的？一阶的，xgboost？是二阶的，两者之间的对比等聊了蛮多
- GBDT构造单棵决策树的过程？
- 分类模型的评价指标有哪些？。。。准确率，召回率，auc，roc。auc的含义是什么，横纵轴代表什么？
- xgboost用过吗？它有很大改进，有哪些改进？答了特征抽样，是模拟随机森林，防止过拟合；支持线性分类器；可以自定义损失函数，并且可以用二阶偏导；加入了正则化项：叶节点数、每个叶节点输出score的L2-norm在一定情况下支持并行，只有在建树的阶段才会用到，每个节点可以并行的寻找分裂特征。
- 分类算法防止过拟合的方法？
- 深度学习防止过拟合？
- 写编程题：对一个任意正数开根号，精确到小数点后五位。。。。。。（也是二分法查找，但是要注意小于1的数字怎么求呢？）
- 最后问了一个概率题，一副扑克牌54张，随意洗牌，分为两份，每份有两个2的概率。
- 最后面试官指出，机器学习算法的基础不够扎实，代码冗余比较严重
hr面，10min电话：
二面后十分钟，hr就打来电话了，聊了十分钟未来规划，其他公司offer情况等。让等消息，第二天下午，收到录用电话。
总之，只准备了年后两个月（但是基本每天都很拼），本来觉得希望是不大的，竟然过了。分析原因如下：
- 关于自己的项目或论文，自己掌握的非常好（这点必须的吧），并且与面试工作领域较为切合，与面试官互动很好，你来我往；
- 关于算法，有的答的很好，其他至少能大概答出来关键点，不至于完全不知道，没有硬伤；
- 编程题。。。太鸡肋了，因为我真的没有刷过编程题，还是通信专业的，唯一做过的题就是之前参加各公司笔试时候顺便练的。。。真的太菜了。。。包括这两轮笔试，题目都是短小精干类型的（发现面试基本都这样），都不是一口气编出来的，但是最后过了，感觉是因为很快都想到了突破口（然而并没有一气呵成），和面试官有很好的互动，每当我卡主，面试官给我一点隐晦的提示，我都很快反应过来，get到了，于是面试官可能觉得我悟性还可以？（这是我猜测的。。）
希望对各位能有帮助，坚持就是胜利，offer会来敲门的。
老板电器二面56人在聊
查看5道真题和解析