秋招没有参加，春招投递的比较晚，报了三个志愿分别是数分、数开以及数据挖掘。数据挖掘进面，一面是技术面，聊了很多和之前实习相关的项目，挖的很深，主要是考察做项目的能力，没有问过多和八股相关的问题。最后手撕一道二分查找的变型题，无奈当时没有刷多少题，没有做出来，最后把正确的思路说出来了。第二天流程终止了。

技术面：
1.自我介绍；
2.项目深挖（深度学习相关的，lstm具体架构，标签，评价指标）；
3.笔试题（二分查找的变型题）

赞一下(0) 踩一下

问问题的面试官主要是1个，这个之后大概率就是带你的实习导师。
要会在某个算法上懂得很细，尽量将问题引导到这个算法上来

1. 自我介绍一下
2. 介绍你的一个项目：项目简介、承担工作、用到的方法
3. 对机器学习有什么了解：分类、回归、聚类、降维
4. 详细说一个你了解的分类/回归/聚类算法
5. 为什么不去医药互联网公司呢？
6. 你更想做数据分析还是挖掘呢？
7. 说一下快速排序？
8. 介绍一下你的方向？（方向在简历中不明确或冷门的话）为什么报这个岗位？
9. 秋招意向是哪种企业？

赞一下(0) 踩一下

1、自己介绍和自己的工作经历（讲最近两个公司就可以了）
Xxx
2、讲自己的项目
项目架构设计，自己负责的部分：
之前自己做过视频推荐，然后把数据处理，特征提取，模型部署和调优都讲了一遍
笔试：
二叉树遍历，非递归，二分查找，递归和非递归
字符串是否是子串
后面问了算法和大数据的相关知识：
你熟悉的机器学习/数据挖掘算法主要有哪些？
gbdt 的基本原理GBDT 和 决策森林 的区别？
为什么会产生过拟合，有哪些方法可以预防或克服过拟合？
SVM 的推导--写的不是很好
Hadoop的mapreduce过程
Hive做过的一些调优，数据倾斜处理方法
Hive hql 把一个纵表打横的sql语句
Spark的一些原理知识

1、用过哪些机器学习和数据挖掘工具
Spark mlib ml,sklearn ,tensorflow
问了scala里面的高阶函数
2、hive hql
不用distinct怎么进行数据去重，还有mapjoin 的原理
3、Spark的执行过程
4、快速排序算法
5、特征的选择方法以及特征处理的技巧
把自己工作中用到的都讲了一遍
6、问了LR和深度学习DNN的一个问题
对LR的推导写了一遍
前面2轮感觉还是比较顺心的
三面
到了部门的总监（比较年轻）
1、推荐系统的架构
怎么做召回，实时推荐设计，特征更新，模型更新
2、兴趣标签计算
3、kmeans怎么找最佳k值
4、Gbdt和树模型的差异

赞一下(8) 踩一下