機器學習、數據分析類面經分享

菜鳥一枚，記錄一下實習、秋招經歷的較大公司面經，成功失敗都是經歷，寫給本身，寫給須要的同窗，持續更新…

招聘信息來源：我我的關注牛客網、賽碼網、應屆生論壇、學院招聘、智聯招聘、前程無憂、拉勾網、大街網、實習僧，以及公衆號：

 

 

創維_秋招_校招_20171014

美羣酒店，兩位面試官，一個負責技術面，一個負責問指望工做地點，由於他們研發團隊好像全是在北京，還有部門老大事阿里跳過來的，也在北京等，最後說了下下次面試時間

技術面：1分鐘自我介紹，講一個最滿意的項目，SVM線性不可分怎麼辦，哪些核函數，講kmeans流程，初始聚類中心怎麼定，距離度量怎麼選，貝葉斯公式，SVM線性可分公式，大數據處理，如文件太大，內存不夠怎麼辦，數據建索引的話，用什麼數據格式檢索最快，我說的dataframe，貌似沒回答到點上，不知道是否是要說list這類能夠下標檢索數據結構

題外話：也不知道面試酒店能不能表明公司實力，感受各個公司面試地點之間的差距仍是蠻大的

 

格力_秋招_校招_20171013

崗位：人工智能

天馬大酒店，簽到，領面試表格，整理資料（要求必備成績單、學生證複印件、身份證複印件），排隊面試，感受人工智能這個崗位仍是蠻多人的

一面：自我介紹，科研項目，SVM問了幾個小問題，相似核函數選擇等，實習內容。而後就讓去門口等二面

大約半小時，二面：自我介紹；說一個你學到不少東西的事；爲何沒去BAT；職位規劃；指望薪資；身高體重（這個真是頭一回被問到）；有沒有得國獎；是否是保研

 

 

中通_秋招_校招_20171012

崗位：算法工程師

中通是陪小芳去的，由於現場有筆試，就想給她助攻一下，就報了同個崗位。後來算法崗就幾我的，就沒筆試，直接開始面試：自我介紹，科研項目，SVM，實習等。而後就是說回來等電話技術面

 

 

富士康FG-CNSBG（富華科5G研究所）_秋招_校招_20171011

崗位：算法工程師

富士康是個意外收穫，這天原本是計劃去廣發銀行或匯川，出發前在羣裏得知富士康在深圳有崗位，就去試試

hr收取簡歷，而後電話技術面：自我介紹，問科研項目，難點，SVM問了幾個小問題，基本都是以前面試問到過的，像核函數選擇等，實習內容，而後介紹了一下公司狀況，問了我指望崗位和薪資，就完了。接着hr讓我在手機上作了個相似行測的小測評，還有幾個英語閱讀理解題

而後等了幾分鐘，hr就叫過去問了一下家庭狀況啥的，就開始談他們公司狀況，崗位薪資、福利待遇什麼的，讓我贊成的話，隔天就能夠籤offer

 

 

中科院先進院_秋招_校招_20171010

崗位：助理研究員

小芳來長沙，耶！

先進院在實習的時候就去試過一次，算是有過面試經驗，但那會由於個別緣由沒去成，因此校招的時候考慮研究所時，果斷又投了先進院一個，面試官國慶前與我聯繫過一次，改到10號面試

面試官是個女生，聲音聽起來蠻年輕的，上來直接問學校專業等信息，而後聊研究方向、科研內容，論文等，由於個人生物信息這一點和他們匹配度很高，因此全程聊下來蠻順利，一面算是經過了，說過段時間會再和主管進行一次視頻面，經過的話就給offer了，最後面試官還聊了不少研究院狀況，包括髮展、福利等，就結束了

 

 

招商（長沙分行）_秋招_校招_20171009

崗位：信息技術崗

國慶假期前，心心念唸的美的、跑去武漢面的順豐紛紛得知本身掛在終面，好戳心，以前一直在幻想着拿到美的offer就結束秋招去瀋陽看侄女，國慶先後聽任了個把星期，直至招商面試纔算是從新振做起來，繼續找奮戰秋招

要求着正裝，發現銀行面試人格外多，等了很久，4人一組站着面試，三個面試官，進去後每人依次用三個關鍵詞介紹本身，而後面試官挑了2我的問了些簡單問題，就結束了，說回去等通知，面試經過者會發筆試通知

 

 

萬德wind_秋招_校招_20170928

崗位：算法工程師

萬德是專門來咱們校區招人，昨天是第一天，沒遇上。到場後有幾個HR在整理簡歷，坐下筆試，一套行測，一套選擇+編程，算法崗還有一個算法題（四選一），完過後讓填了個表，回答一些相似HR會問的問題，而後直接把表、簡歷、成績單和試卷訂一塊兒，直接帶過去面試。

面試官應該是公司的管理人員，坐下來後都沒自我介紹，直接問問題：

• 項目中最困難的部分，我提到了數據預處理
• 數據中的缺失值怎麼處理
• jaccard係數與餘弦距離的區別，各自的應用場景（試卷題），而後還語重心長地說了一句：你除了數據挖掘的算法，其餘知識也要深刻了解一下啊

  • 歐氏距離可以體現個體數值特徵的絕對差別，因此更多的用於須要從維度的數值大小中體現差別的分析，如使用用戶行爲指標分析用戶價值的類似度或差別。

     

  • 餘弦距離更多的是從方向上區分差別，而對絕對的數值不敏感，更多的用於使用用戶對內容評分來區分興趣的類似度和差別，同時修正了用戶間可能存在的度量標準不統一的問題（由於餘弦距離對絕對數值不敏感）

  • 傑卡德類似度算法沒有考慮向量中潛在數值的大小，而是簡單的處理爲0和1，不過，作了這樣的處理以後，傑卡德方法的計算效率確定是比較高的，畢竟只須要作集合操做。(參考：http://www.cnblogs.com/chaosimple/archive/2013/06/28/3160839.html)
• 聊了一下試卷上的一個編程題（將字符串的指定字符移到字符串首部，我沒實現好，說了一下思路，用python寫了幾句代碼）
• 說一個你的缺點
• 論文，討論了一下級別什麼的
• 你對萬德的印象
• 除了算法，你還願意作什麼崗位，我說數據分析、數據挖掘、機器學習類的均可以
• 給你offer的話，願意來上海嗎？會不會太遠啥的

而後說回頭找個技術類人員再面我，讓我保持電話暢通

 

 

樂信（分期樂）_秋招_校招_20170926

崗位：算法工程師

剛結束，趁熱打鐵，直接來寫面經了

原本下午要美的二面，想睡個懶覺，並且本身也感受狀態不太好，不想面的，不過，幸好仍是參加了，有收穫。因此，灌個雞湯：什麼事不要輕言放棄，不放棄總有一絲但願或一份收穫

秋招趕上的第一次視頻面試，牛客網的視頻面是一點進去連接，直接就是面試房間，感受提早進去有點尷尬，我等到10點整才進去，掃碼簽到，好像有人比我快一點，因此面試官可能在面其餘人，等了十幾分鐘的樣子，面試官發來視頻邀請，正式開始面。視頻面的感受好像跟網友聊天，哈哈，今天的面試官也蠻好的，嘴角時不時的帶點小微笑，沒有刻意刁難，也有給我普及知識點，贊

 

直奔主題，大概問了如下問題：

• 本科專業、研究生的方向
• 實習內容，還具體問到說：怎麼在Amazon上選出虛假評論，我把12個指標大概扯了三四個說了下
• LR，我就直接解釋流程
• 怎麼作特徵選擇，我只記得亮姐之前開會提到過的：逐步加或逐步減
• 問知不知道WOE、IV值，真沒據說過，過後學習了一下，好像是金融方面經常使用的：IV值，信息量，作自變量篩選的；WOE是證據權重，是對自變量的一直編碼方式；具體可學習：http://blog.csdn.net/kevin7658/article/details/50780391。雖然不會自變量和因變量的篩選，但我本身又擴展到自變量之間的相關性衡量，說了下顯著性統計怎麼作，而後被問：若是發現自變量之間相關度很高怎麼辦？尷尬，本身挑起的問題，居然不會，由於我只在實習的時候作過一些實驗組與對照組的顯著性統計，來排除偶然因素形成差別的可能性啥的
• SVM，我也是直接解釋流程，問我線性不可分咋辦，我說的是核函數或者懲罰因子（C值）
• 評價模型的指標，我說的是precision、recall、AUC、ROC等，而後讓解釋ROC怎麼畫（感謝劉師兄的博客），曲線的走向怎樣說明效果好，我說確定越偏向左上越好咯，而後面試官居然給我挖了個坑，說：嗯，那意思就是曲線下面積越大越好嘛…我愣了1秒，反應過來，說：是啊！面積就是我剛提到的AUC啊~結果他狡猾一笑，哈，想套路我
• 還問了個k-s曲線，沒聽過，回來學習一下，發現又是LR的內容，估計樂信公司內部用到不少LR知識（K-S曲線，和ROC殊途同歸。以Logistic模型爲例，首先把Logistic模型輸出的機率從大到小排序，而後取10%的值（也就是機率值）做爲閥值，同理把10%*k（k=1,2,3,…,9）處的值做爲閥值，計算出不一樣的FPR和TPR值，以10%*k（k=1,2,3,…,9）爲橫座標，分別以TPR和FPR的值爲縱座標，就能夠畫出兩個曲線，這就是K-S曲線，參考：http://www.sohu.com/a/132667664_278472）
• 接着問實習內容，怎麼計算文本類似性，我說直接用jieba算，又問：怎麼把文本信息轉換爲數值信息，要採用機器學習的方法作。我腦殼第一個蹦出ascii碼和漢明距離，結果一說出來就感受有被鄙視，後來記起來好像excel能夠作。但沒見過其餘辦法，要好好了解一下，參考：http://blog.csdn.net/cheng9981/article/details/61924149
• 最後問我有啥問題，我問了下面試周期有多長，他說要看HR的意思，我又是亂扯了其餘的，居然，又被問了個正負樣本怎麼處理，幸好這個問題已經爛熟於心，詳情見順豐面經

 

教訓：

面試官最後問你有啥問題的時候，千萬不要亂扯，由於一不當心又會被問到專業問題上去，上次順豐是這樣，今天又是這樣

因此，必定老老實實問，安安穩穩結束面試

 

 

 

廣汽研究院_秋招_校招_20170925

崗位：信息與數字化

中午吃完飯，作完美的二面前的測評，提早一小時到了廣汽招聘的現場，又是清一色正裝，我進去簡直是個異類。簽到、還拍了個照片，不知道幹啥用的，可能回去公司討論的時候，怕忘了誰是誰。坐下沒幾分鐘就被叫過去面試了，2個面試官，我和一個男生一塊兒面，坐我對面的那個面試官特別儒雅，聲音好像主持人，沉穩大氣，全程聽覺視覺享受

他們貌似都不太懂數據挖掘類知識，全程跟咱們拉家常，感受像聊天同樣，沒問具體算法啥的，說了下：成績、論文（旁邊面試官貌似用手機在網上搜了一下個人論文）、實習、家庭成員、校招進展、職業規劃、本身的缺點/劣勢，問你懂不懂雲計算等等

而後讓咱們提問，我就問了個昨天在美的羣面就想問的事：

• 不懂數據挖掘崗位知識的面試官，在考覈同窗的時候，選人和刷人的標準是什麼？
• 貴公司是製造業，那招IT類同窗進去後，主要作哪方面工做？貴公司在向數字化企業轉型方面的規劃？

面試官回答：

• 他們只是蒐集同窗們儘可能多的信息，拿回去公司，與相關部門人員共同討論後以爲各個崗位的人員安排等，因此面試結果也要等他們回公司討論後，大概十月份才能出結果
• 節約人力物力時間、公司數據量龐大，在存儲、處理計算等方面，都須要用到數據挖掘、雲計算方面知識啥的

兩人面試全程30~40min，一直在聊天，特別親切的感受，非常享受~又get一個不同的面試體驗！·

 

 

美的_秋招_校招_20170924

崗位：數據挖掘

對我而言，特別的公司，因此另外專門寫了一片隨筆，連接：http://www.cnblogs.com/xiaoyun94/p/7589399.html

 

順豐科技_秋招_校招_20170922

崗位：數據分析與運營

（一面）
20號下午筆試完，21號晚上六點半收到面試通知，22號一大早就來武漢面試了，進門簽到，十點半左右開始等，閒着沒事，一直跟旁邊的剛產品一面完的小帥哥聊着，使勁吐槽他們專業工資低，羨慕計算機的，心裏有點小慶幸和小竊喜，等到十一點十幾分的樣子，開始正式面試，進門好多個小桌子，捱得也比較緊，都是一對一面着，有點小吵

（1）自我介紹，我說了下姓名，學校，項目，論文和實習
（2）剩下的面試時間基本都是在聊項目，不少東西他都沒具體問，都是我本身主動說的，大概包括:項目時長，時間分配，數據採集，特徵計算，算法選擇，效果提高等。

詳細說說：

中間面試官會穿插着問特別多小細節，幸好項目是本身親生的，我本身也主動補充了不少，具體記不清，大概問了:

正負樣本不均衡怎麼處理(我說的是三大類:增長正樣本（正樣本複製等）、減小負樣本（拆分紅N份作交叉驗證）、修改代價函數（如「對正樣本誤判爲負樣本的」懲罰加大）這三類，答完他問我還有嗎，我想半天沒答到他預期的點上，他又幫我補充了一下，說能夠利用正樣本生成新的正樣本，好比樣本均值等)

核函數怎麼選擇(當時沒所有記起來，回來看書補充一下：

	設特徵量爲A，樣本數爲B	建議
1	A>>B	線性核
2	A<<B	RBF或者LIBLINEAR（設置-s 2） 參考：http://www.cnblogs.com/baiting/p/5246877.html
3	A大，且A==B,	線性核，且LIBLINEAR比LIBSVM快
4	A<B	添加特徵,回到第三種狀況
5	A小，B正常	RBF

 

我當時只說了能夠根據特徵數量與樣本數量的比值選，他聽完沒補充，但說了一點，說其餘核函數選擇很重要什麼的，不記得了，好像是說參數問題，說svm不像其餘Adaboost什麼的，效果很差你能夠甩鍋說是算法問題，而SVM 不行，這個沒太聽懂，惋惜了)

項目定位：個人科研項目本身定位是二分類問題，他問其實除了是二分類問題，這還能夠是個什麼問題？還能夠怎麼解決或應用到哪？我沒聽懂，他給我舉了個觀衆與電影的例子，預測觀衆可能對哪些他們沒打分的電影感興趣，感受他這個想法蠻好的，將項目擴展一下到其餘應用領域，值得思考。我講解項目數據的三個網絡的時候，他還用電影那個例子給了我個思考點，好比電影和電影間的信息其實也能夠利用到電影和觀衆的關係處理間，也不錯，思惟給力

AUC：期間我本身主動談到實習內容，但他好像不咋感興趣，仍舊接着問我項目，問個人auc具體提升到了多少，我把我百分之九十幾報出來後，他問了個我曾經和導師討論過的問題，爲何auc這麼高？記得鄧老師當時好像是說AUC過高可能和其餘網絡的密度大有關係

大體就這些，和暑假在順豐科技內推面的機器學習崗不一樣，沒問算法原理，沒問數據結構，操做系統什麼的，一直在聊那個科研項目，由於本身比較熟悉，因此基本上我本身話也蠻多，又由於面試官實在太nice！各類給我補充和建議，還擴展了不少知識和內容，感受收穫滿滿，純粹當作一個和前輩的學習討論

其餘：後來，他問我有啥問題，我說您以爲我能進下一面嗎？或者我有沒有哪方面的知識須要再強化一下的？而後，他說咱們都過度關注這個結果如何，其實，公司與人才之間是一個匹配的過程，面試通不經過只能說明合不合適。至於個人能力補充方面的話，問我會不會sql查詢，我就提到了昨天筆試好多sql，不知道寫對了沒，他說昨天的筆試題都是他們一個我的工打分的。而後，讓我說說「找出班上最高的男生女生信息」的查詢思路，其實蠻簡單，惋惜當時腦子鏽掉，答得支支吾吾，說了top1，group by，感受面試官不太滿意，也沒說我啥，只告訴我他是咋查的，而後就結束了，讓我出去先等會。(好像"先等會"的意思是有下一輪，"回去等通知"的意思是掛了)

運氣好，碰到的面試官真的太nice，說話措辭很講究，給我糾正錯誤或擴展知識的時候，說的話都讓人聽着很舒服，相似「具體不記得不要緊，你講講思路就好」「我不是指你的錯了，我只是以爲怎樣怎樣會更好」「其實你這裏能夠再發散一下」…

（二面）
出去等了幾分鐘，正在網上搜HR面經，就來叫我了，HR面就在我那個技術面的隔壁桌，剛坐下還和上個面試官不當心對視上了，原本想笑一下又沒來得及笑，額，有點小尷尬。
HR面開始也是自我介紹，問科研項目是幾我的作的，職業規劃如何，爲何選這個崗位，還投了什麼公司（這個沒回答好），你和其餘人比差距在哪裏，你有啥問的。

中間我本身也補充了不少，反正就各類暗戳戳地代表順豐很牛B，很想留深圳啥的，最後說下週出結果，讓我回去等通知。

 

順豐科技_秋招_內推_20170830

崗位：機器學習與人工智能

8月16號內推，投了兩個崗位，機器學習與人工智能+數據運營與分析，29號接到電話約30號電話面試，約的時間是09:00~09:30，到點後遲遲沒來電話，十點多發郵件問了下，下午兩點正式開始面，大概問了些以下內容：

一、學校：本科專業學什麼，本科專業何時開通的（他說沒據說過），碩士上什麼課，學什麼
二、論文實驗：數據來源，特徵如何計算出來的，libsvm算法實現的細節（CG值如何肯定、L一、L2正則化等）
三、機器學習算法：就問了一個k-means，我說了下算法流程，K值選取，聚類中心肯定，度量值，空簇，噪聲處理等
四、python：dataframe的列類型是什麼（series）
五、數據結構、操做系統：有哪些數據結構（二叉樹、鏈表、數組等），判斷單鏈表是否成環，死鎖的四個條件，TCP-IP的三次握手

他還解釋了下爲啥要問我數據結構，大概是檢驗一下你的知識體系，基本都是本科學過的東西，大部分都實在是記不得了

最後，我問了下面試官工做地點，表達了我想去深圳的意願，而後崗位選擇，他說具體崗位都是入職後再決定的，其實面哪一個崗位不是很重要，整個過程約半小時

自我感受就是有點緊張，中間卡殼了好幾回，不管如何，打響秋招面試第一槍，加油複習吧

 

3、阿里_春招_內推_20170328

補充一個春招的時候阿里內推面經崗位：算法工程師-機器學習23號左右，同窗師兄內推，27號下午打電話說要面試，我改到28號上午。1.自我介紹，有沒有項目或比賽經驗，有沒有本身實現的算法，有的話主要問你實現過的，不會問具體計算公式，都是問含義、思路、背景和意義等，主要看你是否是真的理解這種算法，知道每一個過程背後的含義。2.K means（算法都是本身先講過程，再討論問題）若是聚類中心一直變化，如何中止迭代；初始中心如何肯定；3.KNN和樸素貝葉斯。腦子鏽掉，半天沒憋出來，原本指望面試官問我問題我來答，結果都被他直接跳過去了（尷尬），因此，算法最好私下嘴巴也練練，最好像老師給學生講課同樣，能說出來，不要變成啞吧知識4.決策樹，信息增益是什麼，有啥做用，通常若是問的一兩個問題都答不上來，這個算法就PASS了，估計就是評估爲：不及格。5.SVM，什麼是支持向量，超平面如何肯定的，核函數做用，核函數與超平面關係，啥都能聊幾句才能多問你點，否則一下就問完了，我面試時間估計只有別人的通常，怪本身學得不紮實，實踐又少，又不會說╮(╯▽╰)╭6.Hadoop，MapReduce過程，做用7.估計是看我啥都不太懂，讓我本身補充，說一下本身瞭解的點，然而我也一個都想不起來，因此，就這樣結束了，over。簡直慘不忍睹，不過仍是寫出來，不要緊，慢慢來，一次會比一次好感受面試官應該是面了太多人，不太想說話，因此問問題都很簡潔（好比：你講講KNN吧），主要靠你說，本身要多發揮，知道的都聊聊，我是感受電話面不說話的話，很尷尬，因此想不起來的話，我就直接說太緊張了，一會兒記不起，能不能讓我想一想之類的，面試官也很nice，一直讓我沒關係張，慢慢來忠告：一切都仍是要學紮實！要了解知識背後的意義，多練習一下把知識說出來