数挖 一面： 一面面试官是个做cv的， 大概问了： 卷积层个数计算方式 卷积计算复杂度 softmax公式 softmax 的loss function 卷积层的实现 总体来说一面面试官人还是比较好， 我不是做cv的，他问问题也比较循循善诱， 遇到不会的他也会引导。 但就是感觉自己实习项目那么多机器学***数据相关的一点也不提， 有点不开心吧。。不过好在让我过了 二面： 讲一下实习经历 然后我实习用到了xgb， xgb的loss func写一下。。。我写出来了， 面试官又说想看到底是怎么一阶二阶泰勒展开。。...

本来说中午两点三面的， 一直没消息。 那我就回馈牛客发个一二面面经吧～ --------------- 一面，等了半个小时， 结果我电脑了麦克风不好。面试官加了我的微信之后电话过来问的。一共30min 0.没有自我介绍 1.介绍实习项目 2.特征选择的几种方式有没有特定的应用场景？ 3. 出了xgb和lr还了解哪些机器学习模型， svm核函数变换有什么好处？ 4.用过什么聚类算法， 什么时候需要用聚类？ 5.神经网络了解过吗， 讲一下权值共享 6.hmm了解过吗？ 有什么样的应用场景？ 7.lstm了解过吗？用过吗？（这个真的没有 ...

同学有找实习找很好的， 六月份集体入职， 刚入职就有人带，大家有人一起实习也有个伴， 最后转正几率也比较大， 但是可能不太利于秋招。 我当时因为男票的原因找实习本身就没想转正， 想着等秋招一起再战。 所以当时我三月底拿到b家offer就直接签了后面面试都没参加面试了，四月底面试打算实习到七月底回去准备秋招。 由于我属于散招所以在部门比较没存在感， 而且估计是表现出不想留任主管也没给我布置什么任务，整个人比较边缘， 学到东西也不多， 还挺羡慕那些去实习很忙能学到很多东西的。不过我这样也可以趁空余时间准备下秋招， 也有所谓的带薪自学～想想其实我也不亏哈