1自我介绍2问竞赛：排名，时间，特征工程处理3.gdbt的残差拟合和负梯度区别4dfs中序便利有啥用途，堆排序5推广搜有必要加强

（1）自我介绍（2）论文创新点 质疑baseline（以后要说成2019年） 对GCN了解 拉普拉斯矩阵 以及实际意义（3）基础知识RNN为什么梯度消失 LSTM GRUhdBSCAN缺点BN和LNatation机制 隐马尔科夫模型

#入职第五天，你被拉进了几个工作群#被拉近好几个群，开心的是有参与感和融入感，不开心的是消息不断。。。

#入职第四天，心情怎么样#逐渐适应公司氛围和工作内容，心情像风一样自由（bushi）

#入职第三天，晒晒你的工位#实习入职第三天，工位很大，就是吹不到空调（热晕了）

#入职第二天，午饭怎么解决#实习入职第二天，午饭吃了公司食堂的鸡排饭（本饭桶表示并没有吃饱）

#入职第一天，你准备什么时候下班#下午17.30下班打卡，开开心心的背着包走啦，走到半路发现忘记打卡了，又返回去打了卡（耗费1小时）

一面：项目简单问，判断平衡二叉树，层序遍历二面：最大的长方形，快排思想找第K个数三面：问业务，问基线方法，重点关注ARIMA，HA方法在单点预测性能，提高综合能力

（1）项目：简历项目进行提问，针对感兴趣的深入聊（2）编程：排列组合、连续数组

（1）自我介绍（2）项目：科研和比赛（3）基础：lgb用的是信息增益还是？随机森林呢？ 随机森林的基本树模型 mae和rmse 训练losss和测试loss 高德打车开放问题 lgb处理缺失值 （4）coding：动态规划中的最小硬币数

（1）自我介绍（2）项目（自选一）：网络结构为啥用gru：gru优点；气象数据为什么放在最后（防止关键特征经过融合融合后而消失）；两万条数据会过拟合（数据量太小）：所以earlystop，dropout，batchnorm数据有哪些特征，数据多少条，怎么来源（面试管觉得数据量太少，网络再简单也四五层，很容易过拟合）（3）基础：adam优点，gdbt与randonforest方法对比，gdbt应用场合，gdbt的评价指标，损失函数；gdbt多树模型：不管分类回归都是求均值；randomforest是分类投票，回归求均值gdbt树模型怎么防止过拟合，调节哪几个参数（数的个数，树的最大深度，每个叶子...

（1）自我介绍（2）项目（三个，都简单聊了聊）（3）八股基础：（概率论要补）似然和概率：概率”描述了给定模型参数后，描述结果的合理性，而不涉及任何观察到的数据。. 而“似然”则描述了给定了特定观测值后，描述模型参数是否合理。.lr、gdbt、xgboos、神经网络区别xgboost处理缺失值策略gdbt和xgboost区别概率论知识tf底层用到的数据有哪些，体量，数据特征（4）编程：三树之和 、 二叉树删去左右全0以及叶子节点为0的

（1）自我介绍（2）leetcode:IP分割

（1）自我介绍（2）项目：三个项目都问， 聚类特征维度 hdbscan流程 欠拟合思路 树模型如何做特征选择 归一化及公式（3）编程：翻转二叉树：