滴滴打车 算法工程师 一面

妈呀有点太菜了，但是还是Mark一下勇敢踏出算法工程师第一步
base在北京 面试官好像是一名工作时长10来年的程序员 人特别好谢谢你~

了解到该岗的主要业务是：网约车供需预测+因果推断两大块
供需预测其实通常使用深度学习结合时序，预测的量有：某时某地的订单量+成交率/成交金额...
供需调度的最基本思想就是“缺什么补什么”，比如早高峰的时候，用车不足，那么其实滴滴平台会给司机奖励机制（发钱），鼓励他们上路接单（每年支出占比大），但具体怎么制定这个奖励机制（以希望ROI尽可能大）则是一个非常复杂的过程。

过简历的原因大概率是因为大三那会，一门机器学习的课做的project就是首尔共享单车需求量预测的，和该部门业务非常类似。但是由于当时学的比较初级，用到的也就是一些简单的decision tree，random forest和gradient boosting的算法，甚至没有考虑时间序列。面试官直言时序预测在业务中是绝对不可忽视的一环（颗粒度大3个月，小至1小时），观测到y值的相关性是非常重要的。

之后又考察了对随机森林的理解，优缺点（在决策树的基础上进行了哪些改进？）问得比较深入，包括调的包里的多个参数。印象比较深的是如何保证随机森林（多棵树）一定比决策树（单棵树）好？妈呀，我这都忘了。其实就是随机森林代码中可以选择参数（如训练集与测试集的比例，以及每次训练一棵单独的tree可以用不同的factor进行拟合，这样就能保证2我们forest中的每棵树都是不一样的，相关性没有那么强，这样子最后取平均才有意义~）

面试官给的建议是，想转行可以多做一些算法相关的比赛、项目，比如kaggle网站里的，最重要的是要多研究那些排名高的项目所使用的方法是怎样的，与自己写的进行查漏补缺的对比。然后可以读读相关的业界的论文。算法岗的要求会比DA、DS高不少，所以蛮不容易的，加油吧哈哈。。
#滴滴##算法工程师#