個人第一次面試 —— 騰訊 AI安全 一面總結

前言

在校兩年半，沒經歷過面試的毒打，第一次面試給了騰訊，週二晚上學長幫推的簡歷週三下午就打電話來問週四晚上有沒有空面試。那天下午還在趕着數據庫的實驗報告，腦子有點轉不過來就說了有空，而後仔細一看好像前兩天剛搶了節課，正好是週四晚上 orz，算了算了，翹了，週五再去蹭兩節，面試重要。

emmmm。。。歷來沒面過試，咋準備呢？仔細想了想，面試官確定會問簡歷上的那個項目，畢竟仍是有些對口的，時間有點久遠，就叫了羅大佬來幫忙覆盤一下。覆盤項目的時候，又仔細想了想大概面試的時候會問些啥，羅大佬叫我去看看別人的面經。好的，谷歌「算法工程師 AI 安全」，打開幾個頁面，emmmmmmmm。。。。第一個問題，不會。。第二個，不會。。第三個，仍是不會。。。。羅大佬順便給我來了個模擬面試。。涼了啊，怎麼感受本身好像啥都沒學過同樣的。。。而後週三晚上，就先把本身以前寫的相關的博客全過了一遍，再把這學期上機器學習課寫的全部算法再過一遍，而後就是不斷的刷網上的面經，我也不知道週三晚上幾點睡的，週四早上8點半起來接着補。。除了吃飯和中間兩節課，基本都在補以前學過但沒注意到的或是忘了的知識點了。

而後就是週四晚上的面試。。。開始覆盤

覆盤

1. 自我介紹（對，從週三晚上開始還一個很重要的事就是準備自我介紹。。好難啊，面試官還順便問了問我學這方面多久了，差很少1年了）
2. 介紹一下簡歷上的那個項目（我那個項目名稱是「基於流量特徵聚類的C&C域名檢測方法研究」，便介紹面試官邊打斷問些細節什麼的，其中問了下爲何用層次聚類，其它聚類方式用了沒，我回答說試過 k-means ，但 k 值的選取比較麻煩，而後面試官告訴我 k-means 的 k 能夠大體估算出來的。。orz。。項目裏面有塊涉及深度學習，面試官好像比較感興趣，然而那塊不是我作的，我對深度學習不是很熟，而後後面幾回面試官想問深度學習方面的問題也都沒能問，仍是本身太菜了，哭了，考完試就開始惡補深度學習 orz）
3. SVM的目標函數（愣了一下，就說原始目標爲 \(min \frac{1}{2} \frac{1}{||w||^2}\) ）那這裏爲何是二分之一知道嗎（以前推公式的時候糾結過，當時得出的結論是方便求導，推公式的時候多思考思考仍是有點用的）
4. 介紹下決策樹（想了一下子怎麼說，組織語言有點難），熵的公式
5. 集成模型中GBDT的原理（我當時說是擬合殘差（由於看好多人都這麼說），但面試官說不太對，叫我回去好好再看看，我又補了句或者說是負梯度，就有點懵），還知道其它什麼集成模型嗎（RF，隨機森林，又稍微介紹了下隨機森林）
6. 若是出現過擬合了，該怎麼辦（第一反應就是加正則化，L1正則、L2正則，好了場面開始尷尬）那L一、L2正則都起了什麼做用能說下嗎？（emmmm。。。。。起了什麼做用。。什麼做用。。gg。。。。emmmm，這個具體細節有些忘了。。）那行，接着說其它辦法吧（而後說了K-Fold 和 加數據）
7. （多是由於說到了K-Fold吧）那說下你知道的模型集成 emsemble 的方法（說實話我一開始沒聽清問題，但聽到了集成，稍微了愣了下，在想剛剛不是問過了嗎，但又聽到了emsemble 就知道是問融合，而後就打了下知道的方法）
8. 看你簡歷上寫了那麼多比賽的獲獎，那挑個你熟悉的比賽講講吧（我想了想，就挑了 kaggle 上 IEEE 的那個比賽介紹了下，不過好像主要仍是特徵工程，就沒有面試官比較想關注的點，因而後面做死說了對 V 那組特徵的處理方法，先經過相關性篩選掉一部分，而後再用PCA）怎麼經過相關性篩的，採用的是什麼相關性（gg。。。我當時用的是 pandas 裏面的 corr 函數，沒了解裏面是啥相關性，感受是線性相關性，但究竟是啥。。說了句多是協方差，感受好像不太對。。。）稍微尬了會兒，那說說 PCA 吧（龜龜。。。上週上課老師纔講過 PCA， 回來還沒怎麼看。。有點忘了，也不知道咋組織語言。。。又 gg ）
9. （這裏開始經受暴擊）那看你簡歷上寫着熟悉 TensorFlow，那問問你計算圖的概念吧（我死了。。。想說本身熟悉的是TensorFlow 2.0，1.x 版本一直沒學，只是能大體看懂，真正開始本身用 TensorFlow 開始寫代碼仍是前段時間答辯回來裝了 2.0 GPU版本以後開始的。。。考完試補起來）
10. （暴擊x2）你這還寫了個熟悉shell，那我問你個簡單的吧，字符串分割要怎麼作（我回去必定立刻改簡歷，覺得本身用 shell 寫了個文件轉移的代碼就算熟悉了，真是沒通過毒打。。而後場面又尷尬了）

11.那再問問你 python 裏的 yield 這個關鍵詞吧（開始覺得又要死了，忽然想起來好像以前看哪一個論文的代碼的時候看到過它，幸虧當時查了下，算是勉勉強強答上來了）
12.（暴擊x3）看你剛剛提到以前有作過 ACM， 那問你一道算法題吧（當時想的是完了，成功給本身挖了個大坑，自從不打 ACM 以來，一年半沒怎麼刷過題了，前不久的谷歌機器學習冬令營還由於筆試題作的不太好給刷掉了 orz）兩個有序數組，合併，要求時間複雜度、空間複雜度儘量地小（emmmm。。好像還好？跟一開始想象的不太同樣，這不就是歸併排序的最後一步嘛？不對不對，空間複雜度儘量地小。。。。再創建一個數組時間複雜度已是很小了，但空間複雜度確定還不知足要求，咋作。。。咋作。。。orz。。算了，先回答個最簡單的吧，回答完以後確實是跟本身想的同樣，空間複雜度還不知足，又想了幾分鐘，問了句，這個數組是否是變長的。。面試官說是的，想到變長也就差很少了）

13.再問問你之後的考慮是怎麼樣的，若是選擇的話機器學習和數據挖掘會選哪塊（我當時回答的是若是按目前興趣來看的話會選數據挖掘）可是咱們這個崗位可能更偏研究一些（我當時又補了補，就是更偏向於落地，要讓作出來的研究可以落地，作那種能有實際價值的，balabala 地又講了一些）那你後面要不要讀研（可能由於剛剛講的時候說到了有跟導師。。然而。。能保研確定想讀地呀。。。然而無法成績保研 我太菜了.jpg）你不是圖靈班的嘛，保研還有問題嗎？（暴擊x4，學校成績上只保 15 我的左右，而後圖靈班總共有31人。。。。）

14.那個人問題完了，你有什麼想問個人嗎

我就先問了問面試官對我此次面試的評價，畢竟是第一次面試，仍是想知道本身有哪些不足，而後後面回去補。主要就是深度學習掌握的程度不夠，考完試立刻就去補 orz。。。而後又問了問他們具體的研究方向，聽了以後感受仍是有點意思的，可是好像目前水平還不夠哇。。

小節

面完試以後看了看時間，接近一個小時，週三晚上羅大佬跟我說面試時間通常45分鐘到一個小時，我當時人都傻了，想了想本身的知識儲備，彷佛二三十分鐘就能夠結束了呀，那場面豈不是一度尷尬？？？面完試本身感受還好，起碼比本身預想的要好不少了，不知道面試官具體是啥感想。感受面試官人很好，儘可能避免了問會讓我自閉的問題， 說是一週以內出通知，感受本身能過得概率不大。。後面繼續努力了，考完試（年後，最後一門機器學習 31 號，考完跨年，23333）後開始高頻率更新博客，順便改簡歷。。。。