一面通過对人，拖了30天還是面試中歧寺，也是真的無語，可能是自己還太弱吧恋沃。
電面：
1囊咏、項(xiàng)目經(jīng)驗(yàn)
2塔橡、能夠介紹一下DQN的基本原理么？
3炮捧、你了解的CTR預(yù)估模型有哪些惦银？
4、能講一下GBDT的原理么书蚪？
5迅栅、GBDT和隨機(jī)森林有什么區(qū)別？
6为流、隨機(jī)森林的采樣體現(xiàn)在哪方面？
7敬察、Wide &Deep的原理簡單介紹一下？
8蹂安、GBDT+LR是怎么做的?
一面：
1锐帜、介紹項(xiàng)目（項(xiàng)目的背景／如何評價(jià)／實(shí)現(xiàn)過程／算法更新／用戶體驗(yàn)）
2缴阎、Seq2Seq模型介紹一下
3、Lstm為什么能解決梯度消失問題 ,
4瓷式、lstm里面的狀態(tài)更新是怎樣的，各個(gè)門是怎樣的贸典？
5踱卵、DQN模型為什么要做經(jīng)驗(yàn)回放？
數(shù)據(jù)之間具有相關(guān)性
6惋砂、數(shù)據(jù)之間如果不是獨(dú)立同分布的會(huì)怎樣？
在不少問題中要求樣本（數(shù)據(jù)）采樣自同一個(gè)分布是因?yàn)橄Ｍ糜?xùn)練數(shù)據(jù)集訓(xùn)練得到的模型可以合理用于測試集酝掩，使用同分布假設(shè)能夠使得這個(gè)做法解釋得通眷柔。
機(jī)器學(xué)習(xí)就是利用當(dāng)前獲取到的信息（或數(shù)據(jù)）進(jìn)行訓(xùn)練學(xué)習(xí)期虾，用以對未來的數(shù)據(jù)進(jìn)行預(yù)測镶苞、模擬茂蚓。因此需要我們使用的歷史數(shù)據(jù)具有總體的代表性。
7聋涨、AUC的原理介紹一下
8、PG的原理是怎樣的
9怠肋、你們項(xiàng)目里面CTR預(yù)估模型的后續(xù)的改進(jìn)方向有哪些
10淹朋、層次遍歷二叉樹
11钉答、撲克概率問題：52張牌，去掉大小王仑性，然后六個(gè)人每人發(fā)2張牌诊杆，剩40張牌何陆，然后從40張里面放五張到牌面上，當(dāng)放到3張時(shí)贷盲，你發(fā)現(xiàn)你手里是兩張K，牌面上的三張都不是K铝穷，那么即將放到牌面上的兩張牌中曙聂，只有一張K的概率是多少鞠鲜？
思路，我們已經(jīng)知道了5張牌贤姆，里面有兩張K，牌面上的三張都不是K语稠，那么剩了47張牌仙畦，每張牌是K的概率都是2/47
二面內(nèi)推人說通過了，過了三十天沒有被撈簡歷慨畸，結(jié)果簡歷丟到池子里了。幸好被淘寶技術(shù)部的人撈起來了檐什。
三面：
1乃正、你為什么要寫博客婶博？舉一個(gè)例子說明？
2凡人、你認(rèn)為實(shí)驗(yàn)室和公司工作挠轴，主要的區(qū)別是什么？
3蒋歌、如何檢驗(yàn)?zāi)鉉TR模型的委煤，如何判斷一個(gè)特征加入模型是否有效。
4碧绞、如果你想往模型中加入一個(gè)特征讥邻，如何判定這個(gè)特征是否有效？
5系宜、LR和FM的區(qū)別发魄？FM需要進(jìn)行交叉特征的選擇么俩垃？如果在LR選了一部分特征做交叉之后口柳，取得了比FM更好的效果，這是為什么跃闹？如果FM變成DeepFM之后毛好，效果超過了LR，這又是為什么找默？
6、為什么說LR模型是可解釋的？如果一個(gè)離散特征有成千個(gè)維度旨剥，那么結(jié)果如何解釋轨帜。
先記這么多吧衩椒，第一次視頻面試，有些不習(xí)慣毛萌。
