本文共 2586 字，大约阅读时间需要 8 分钟。
这个面试官一上来就给人很和蔼可亲的感觉，先简单的闲谈了几句，让我瞬间放松了不少，然后就是从简历入手，问了一下之前的实习经历，然后让我自己讲解一下项目，我从数据清洗、特征选择、模型构建一路讲了下来，中间还是因为紧张有点卡壳，但是面试官都说没关系。
对项目做了简单了解后开始提问，第一是项目中对于不平稳序列是如何做随机性处理的，这个之前确实没接触过，没答上来。然后问我是如何评估模型的效果的，答由于数据值比较大，所以使用的MAPE和R2_Score进行的衡量。然后问你觉得该项目中还有哪些可以优化的点，刚好今天阿里的HR在跟我沟通时让我看了一篇他们团队的论文，里面的流程跟我的有相似之处，于是我讲了一下这个，另外对于预测精度的提升也提出了一个优化方案。 由于项目里用到了LSTM和GRU，所以让我讲一讲循环神经网络，于是我从RNN讲到LSTM再到GRU，讲了一下发展过程和它们之间的区别。面试官又问了GRU为什么只用了两个门，它的优势在哪里，我记得不太清楚了所以只回答了GRU的参数更少，所以收敛更快。然后还问了如何设置LSTM的层数，给你XX个样本，你怎么选择隐藏层数。 接着开始了算法部分的提问，N个正整数，返回最小的K个值。答曰先排序再输出。于是理所当然的又接着问了排序算法。我说的是用快速排序，因为它的平均时间复杂度是O（nlogn），他接着问跟堆排序相比哪个更好，我在头脑风暴的时候他又提醒说考虑一下最坏的情况，于是答堆排序。他又问如果数据量非常大的情况下应该用哪种，这个我记得，归并排序在最好最坏情况下的时间复杂度都是O（nlogn）。然后终于过去了，在此友情提醒，几个排序算法的原理、时间、空间复杂度一定要记住，几乎是必考了。 然后是一道场景题，考察的是数据结构，感觉也是经典题目了，可惜之前没怎么看这方面的内容。说QQ有十几亿的用户，请设计一个存储结构，能够快速查询两个 QQ用户之间能否通过六个以内的用户认识（六度理论）。这就是QQ现有的好友推荐功能了，我最开始理解错了题目，以为问的是查询两个用户是否是好友了，然后说使用HashMap，用QQ号作为key，然后每个value是一个链表存储着该用户所有的好友。然后面试官说这会不会出现Hash冲突，我傻乎乎的去想解决Hash冲突的方法，说进行再Hash，面试官大概是看不下去了，就说本身对如此庞大的数据进行Hash他就是不怎么赞同的，可不可以想一想别的方案。于是我还是照着错误的理解去想解决方案，说因为QQ号是存在大小关系的，所以可以用QQ号构建一颗二叉查找树，每个树节点中用链表存储该用户的好友。面试官又提示道，你用树那何不构建一个图呢，我瞬间就反应过来了，这考的是图论中的路径可达问题，但是对于如何快速在图中进行查找还是没有思路，面试官就说这是腾讯的创始人在二十年前想出来的一个策略，当然不是让你现在就达到那个水平，只是考察一下你解决问题的能力，线下再去看看好了。 然后项目里面还用到了SVM，所以开始问SVM的问题，这方面自己研究的比较深入，也手推过，所以比较熟悉，这里推荐一下B站的一个视频，讲的相当到位： 。问了SVM的原理、为什么要将原问题转换为对偶问题，以及如何用SVM做多分类，这里我只记得为每个类训练一个分类器了，第二种当时怎么也没想起来，试探性的说用softmax激活函数，他笑了我哭了。然后又问了核函数的定义和作用，和LR的区别，以及增加数据量会对LR和SVM的边界造成什么影响。感觉SVM都被问全了，还好自己最后顶住了。 然后开始问机器学习的基础问题，如何解决过拟合，在回答使用L1、L2正则化的时候又接着问这两个的区别，紧接着又问L1如何解决零点不可导的问题，我懵了。然后他开始想问随机森林、BGDT、XGBoost的区别，我赶紧说我就用过决策树和随机森林，面试官是真的宽容，说那你就讲讲随机森林吧，于是我讲了随机森林的原理、构建过程、决策策略。他又问，如果数据量很大，大到几个亿的时候，随机森林会出现什么问题，这个我又不知道了。然后又问了boosting和bagging的区别。 然后是一道场景题，说有半年的用户行为数据，包括IP地址、访问操作等，其中99.99%是正常数据，只有0.001%是异常数据，如果你要预测异常行为的话要怎么处理。末了又提醒一句，就是说如何解决样本不平衡的情况，我开始还有点犯迷糊，听完这个立马就清醒了，把重采样（对小类上采样、对大类下采样）、人造数据（SMOTE算法）、改变分类算法（增加小类的权值、降低大类的权值从而使得分类器将重点集中在小类样本上）说了一遍。然后就OK了。 接着问了sigmoid、relu激活函数的区别，relu的优势在哪，我一开始只说出了可以解决梯度消失、爆炸的问题，然后他提醒到在计算效率上呢，我赶紧说那肯定relu效率更快，因为只需要计算一个max函数就可以了，sigmoid还要进行e的指数运算。 然后他说最近很热门的一个技术是attention，你能不能说说他的原理、应用场景，这个没有学明白，只能缴械投降。 于是又给我上了一道场景题，说王者荣耀里有各种用户行为数据，英雄的名称、皮肤的价格等，如果让你为用户推荐要购买的皮肤你会怎么做。这又是一个自己的知识盲区，对推荐算法实在陌生，所以只能明知道他问的是推荐算法，还是只能硬着头皮想别的办法。我说可以对所有用户进行聚类，然后将该用户进行分类，然后查看同类的人中哪些热门皮肤是该用户没有的，就推荐这些皮肤给该用户。这确实是硬着头皮想出来的，只能说自己的求生欲很强，哈哈。面试官对这个方案表示不蛮满意，我就坦诚相待了，说我知道这考察的是推荐算法，但自己确实不太熟悉。然后就结束了技术聊天，到了我的反问环节。 我说如果能够有幸进入腾讯实习的话，能够接触到一些什么样的项目，什么级别的，什么领域的。然后他说了很多，对部门的分工、介绍、以及他自己负责的内容，得知这边的业务主要是做推荐。最后我表达了对腾讯的向往之情和对他的感谢，结束了这场旷日持久战。 这里面有七个问题是自己没回答上或回答的比较模糊的，自己一定会好好总结继续努力，然后对于大家的建议是好好学基础、好好总结项目，最后希望自己能够迎来腾讯的二面。转载地址：http://swdhf.baihongyu.com/