本人决定要开始准备数据挖掘面试了,之前并没有想到从哪里下手,这两天搜了搜知乎牛客网,大致知道自己要怎么准备笔试面试了。下面是我的计划。z
首先应该将吴恩达的那款笔记从头到尾过一遍,公式必须要手推。
过一遍深度学习笔记,公式手推
挑面经中的重点手推公式,有时间全都看
将下载的面经都打印,然后针对每个题学习知识点
首先是《剑指offer》和大公司真题,不在于多,在于思路。
没看到cvte有什么产品岗,所以瞎投了数据挖掘,结果笔试都没有,早上忽然打电话要电话面试。 什么都没准备就这样去浪费hr时间了。 主要还是聊简历上的项目,很喜欢问xx和xx的区别,但项目不会全问,只问了我介绍的那个。 然后问了一些编程和数据库的基础知识,但我大脑一片空白,回答得稀烂,尴尬到脚趾抓地只想赶紧结束。 全程持续了二十六分钟,面试官人很nice,不会过度刁难,希望凉掉吧不要再有技术二面了?
联想 数据挖掘工程师 idg 武汉 7.26简历投递 7.27笔试+测评 8.3收到面试通知 8.8一面 联想的面试体验还是挺不错的,一开始面试官介绍了他们部门的一些情况😀,先自我介绍了一波,然后就让我自我介绍了一下,总结问题如下: 1. 围绕着简历上的项目,问了一些问题,不是很深入; 2. 面试官对我目前的实习内容比较感兴趣,因为背景和联想这个部门做的东西非常像,所以围绕这个问了许多。大部分是
2道编程共40分,5道问答110分,共两个半小时,没做多久就退出来,哎。。。 有一道编程题用例过了,一提交通过0个用例,麻了 大佬给看看: 题目是车牌号识别准确率计算 输入N个车牌号,第一个字母是颜色,最后5个是号码,中间是地区号 每一行一个识别出的号码,一个真实标签 #我的秋招日记##网易雷火笔试##23届秋招笔面经#
1. 自我介绍+之前的项目经历 2. xgboost怎么调参避免过拟合 3. app分类方面如何对未来的app进行分类 4. 如何避免模型上线之后psi降低 反问: 1. 岗位具体职责 2. 偏研发还是业务层面 3. 公司对于图算法的使用
15号面的都过了好几天,还没有结果 项目深挖+基础算法题+(HR?) 1.项目基本上就是深挖实习经历 2.基础算法题就问了个bert 3.接着就是问自己存在的优缺点啥的 然后反问 (问了具体业务巴拉巴拉) 总共30分钟左右的面试时间 许愿许愿
一面 8.29 下午16:00-17:00 1.自我介绍 2.项目介绍 3.项目细节 4.随机森林、决策树、XGBoost的区别和联系 5.离散特征怎么处理?(没听懂面试官想问啥 ) 6.针对项目提问,连续特征怎么处理? 算法:最大子序和 动态规划+贪心算法 做题有点慢 面试官建议:虽然有些东西工作不会用到,但是面试还是会问,题还是应该多刷一刷 不说了,刷题背八股去了,小姐姐很温柔,希望能再给个机
字节跳动 (1h) 1.自我面试 2.挑一个你认为比较成功的项目进行介绍? 3.介绍你做过的特征工程 4.你都有过哪些算法?介绍下随机森林、XGB、GBDT的差异 5.对模型进行评估时候选取的方法 携程控股(45min) 1.自我介绍 2.选择一个项目进行介绍 3.你建模的时候都用到哪些方法 4.项目细节 5.模型评估 腾讯科技(1个小时) 1.自我介绍 2.直接问项目 3.解释下随机森林和GBD
硕士研究cv 可能和数据挖掘不是那么匹配~ 大华一面(1h): 1、增量学习的科研项目(问了具体的细节 以及为什么) 2、语义分割的发展 3、UNet中的跳跃连接的作用 4、残差网络的shortcut连接的作用,数学方面证明残差网络可以避免梯度消失,并且问了一个关于残差网络的改进问题(面试官看最新的论文看到的,我没有理解他所说的问题) 5、宫颈肿瘤分割和pcr预测的项目(细节也问的很详细) 6、预