秋招在即，你准备好了吗？BAT算法工程师面试经验分享。

た入场券 2023-02-22 10:59 4阅读 0赞

> 本文 GitHub [https://github.com/Jack-Cherish/PythonPark][https_github.com_Jack-Cherish_PythonPark] 已收录，有技术干货文章，整理的学习资料，一线大厂面试经验分享等，欢迎 Star 和 完善。

## 一、前言 ##

2020 年，魔幻开局。

全球疫情、美国暴乱、印度蝗灾，天灾人祸接踵不断。

学生们没想到，一个寒假，竟然可以放到暑假。

"社畜们"也没想到，远程办公，竟然如此酸爽。

时间，**不知不觉**中，已经来到了 7 月。

![format_png][]

恍然发现，2020 年已经悄然过去了一半。

秋天还没到，互联网公司的[秋招][Link 1]提前批已悄然来袭。

**秋招在即**，你准备好了吗？

无论是学生党要找实习、找工作，还是工作党要跳槽、要转岗。

秋招，都是一个必须把握的机会。

想要找个好工作，都要准备哪些？

回忆自己的秋招，在此分享一些**面试经验**。

## 二、经验总结 ##

想要找个好工作，都要准备些什么？

最好地了解一个工作岗位需求的方法，就是看 JD（job description）。

比如腾讯的一个视觉[算法][Link 2]岗位，这样写着：

![format_png 1][]

根据 JD 上的描述，可以有针对性地做一些准备。

其他岗位，也是如此，需要准备什么，一目了然。

本文就以我**当初秋招找实习、找工作**为例，分享一下我的**[算法][Link 2][面经][Link 3]**。

我选择岗位的标准是，找各个公司最适合我的岗位，有就投，没有就 pass，因此我投递的岗位有些多样，主要投递的岗位：算法工程师、机器学习/深度学习工程师、数据挖掘工程师。

参加过的面试形式有：电话面、视频面、现场面。

对了，找工作期间，如果你的电话来电有**房产中介**之类的标识，也要接起来，不要直接挂断，因为这没准就是你面试官的副业（**尴尬脸**）。

### 1、认真思考 ###

对于学生，刚开始参加面试，往往不够自信。例如我第一次参加远程电话面试的时候，面对面试官的问题，我的第一反应是这个问题在哪看过，网上是怎么说的，甚至是在哪能找到答案。

当时的我忽略了思考这个问题本身，总想着从何处能找到所谓的正确答案。

这就是准备不充分、不自信、紧张共同造成的结果。

其实，如果认真地思考问题本身，答案并不难想到。

往往挂断电话后，自己认真思考一番，然后悔恨不已：哇，刚才怎么没有想到！

所以一句话：面对面试官的问题，一定要自己认真思考问题本身，自信一些，大胆说出自己的想法，如果碰到有耐心的面试官，他会一步一步引导你。

### **2、做好准备** ###

充足的准备很重要，“佛系”随缘面试不可取。

我们需要根据岗位需求，着重准备以下几点：自我介绍、数据结构、简历项目、岗位需求。

*  **自我介绍**：这个是最好准备的东西了，根据自己的实际经历，组织好语言即可。面试官一般刚开始会让你做一个简短的自我介绍，以便他快速浏览一下你的简历。
 *  **数据结构**：数据结构很重要，属于必过的一关。至少要刷一遍剑指 offer，或者刷一遍 leetcode 的 top100 题目。面试让写一道编程题，这都是常规操作。
 *  **简历项目**：面试官问的一些问题往往都是针对项目经历问的，我当初的简历上写了基于嵌入式平台的目标检测系统，那么面试官就会问 YOLO、SSD 的算法原理。YOLO v2 v3 v4 做出了哪些改进？针对自己简历上写的项目，好好想一想可能会问哪些问题。自问自答走一波。
 *  **岗位需求**：这个就需要我们针对岗位要求进行准备了，比如对于深度学习岗位，会问下神经网络基础，卷积核是怎么计算的？卷积层、全连阶层都有什么作用？你会用哪些深度学习框架，可以简述下使用流程吗？你认为深度学习和传统机器学习本质上有什么不同？对于这些问题，我们都可以提前准备，面试前一个小时，好好过一遍，会有意想不到的收获的。

### 3、时刻准备 ###

有些公司的面试电话说不定什么时候就打进来了，可能投递简历半个月了，你都忘记了。

本以为是直接约个面试时间，结果上来直接面试。

当然此时，你可以说下自己现在不方便，可不可以另约时间。

但是心里总会有疑虑：哇，这样做，另约时间，到时他会不会忘了？面试晚了，会不会岗位就招满了？诸如此类的想法。

其实，大多数的时候是没有问题的，不必有这些想法。当然，为了完全避免这些忧虑，时刻做好面试准备，保持电话时刻畅通是很有必要的。

### 4、尽量内推 ###

内推很重要，如果没有内推，那么需要走简历筛选流程，就是 HR 从简历池把你的简历捞出来，如果没有捞出来，也就是没有相中你的简历，很可能你连面试机会都没有。

但是如果有内推，就会好很多。而且内推可以走提前批，大厂都有这些流程，意思就是不用等后面的统一笔试，直接面试。从哪找内推呢？

*  通过师兄、师姐；
 *  招聘网站，例如针对校招的「牛客网」，还有针对校招和社招的「BOSS 直聘」等；
 *  社交 APP，比如「脉脉」、「领英」等；
 *  通过 QQ 群，比如一些春招内推群、秋招内推群；
 *  通过学校的 BBS，对于外校不能访问的 BBS ，例如「北邮人」，可以找同学借帐号，或者通过镜像站进入；
 *  还有就是公众号了，现在很多公众号都在做内推方面的内容。

### 5、不要着急 ###

这一点我感觉也很重要，别上来就投 BAT 大厂的岗位，先拿非理想公司的岗位，试试水，感受一下面试的氛围。

不过话说回来，其实可能一些初创公司面试反而会更难，因为 BAT 这些大厂出题都是有迹可循，而一些初创公司说不定考你什么，并且可能岗位要求比大厂还高。

学会总结经验，学会在一次次面试中成长。

### 6、博客、Github没那么重要 ###

好的技术博客，牛的 Github 项目，不一定有加分。

这个完全是看试官怎么看，面试官感觉好，就有用。如果面试官感觉没用，那就作用不大。

尽管用处不是很多，但是以技术博客的形式记录自己的所学，也有助于后续的回顾。

此外，有个好的技术博客或者 Github 项目，会有一些人主动联系你，帮你内推。不过，后续的面试情况还是要看你自己的发挥。

### 7、运气也很重要 ###

面试也很看运气，与其说是运气，不如说是面试技巧。

这个东西挺玄学的，不过它确实存在，比如面试时，问的题目刚好是自己都会的，那么恭喜，这轮面试你就轻松过去了。

不能否认运气的存在，但也不能全靠运气，要自身实力过硬才行。

## 三、问题汇总 ##

接下来，就总结一下，我在当初面试时，被问到的一些常见问题。

问题总共可分为七类：数学题、计算机基础、数据结构、机器学习相关、深度学习相关、项目相关、业务场景。

项目相关的问题，根据每个人的项目经历而不同，这个需要自行准备了，根据实际情况阐述。

本文主要记录另外六类问题。

### 1、数学题 ###

面试的时候偶尔会被问道数学题，这里也值得准备一下，特别是算法岗。

面试的题型完全看面试官的风格，比如问问泰勒展开、偏导啥的，还有一些五花八门的小智力题。

不过这类考点，考得并不多，十场面试，可能就碰到一场问数学题的。

### 2、计算机基础 ###

计算机基础属于常考内容。一般都会问一些 linux 基础，比如常用 linux 指令，平时经常用 linux 的话，这个问题不大。

如果没有这方面基础的，就需要提前学一学了。

此外，还会问一下关于你熟悉的计算机语言的基础知识，比如我说我更熟悉 python ，那么面试官可能就会问一些关于 python 基础的问题。

常考问题如下：

1)  进程和线程的区别？

答：进程拥有一个完整的虚拟地址空间，不依赖于线程而独立存在；反之，线程是进程的一部分，没有自己的地址空间，与进程内的其他线程一起共享分配给该进程的所有资源。

比如：开个 QQ，开了一个进程；开了迅雷，开了一个进程。在 QQ 的这个进程里，传输文字开一个线程、传输语音开了一个线程、弹出对话框又开了一个线程。所以运行某个软件，相当于开了一个进程。在这个软件运行的过程里（在这个进程里），多个工作支撑的完成 QQ 的运行，那么这“多个工作”分别有一个线程。所以一个进程管着多个线程。通俗的讲：“进程是爹妈，管着众多的线程儿子”。

2)  为什么说 python 的线程是伪线程？

答：在 python 的原始解释器 CPython 中存在着 **GIL**（Global Interpreter Lock，全局解释器锁），因此在解释执行 python 代码时，会产生互斥锁来限制线程对共享资源的访问，直到解释器遇到 I/O 操作或者操作次数达到一定数目时才会释放 GIL 。

所以，虽然 CPython 的线程库直接封装了系统的原生线程，但 CPython 整体作为一个进程，同一时间只会有一个线程在跑，其他线程则处于等待状态。这就造成了即使在多核 CPU 中，多线程也只是做着分时切换而已。

3)  python 的 append 和 extend 有什么区别？

答：extend() 接受一个列表参数，把参数列表的元素添加到列表的尾部，append() 接受一个对象参数，把对象添加到列表的尾部。

例如：

a = [1,2]
    b = [1,2,3]
    a.append(b)
    print(a)

输出结果为：

[1, 2, [1, 2, 3]]

而：

a = [1,2]
    b = [1,2,3]
    a.extend(b)
    print(a)

输出结果为：

[1, 2, 1, 2, 3]

4)  linux 下创建定时任务使用什么指令？

答：可以使用 crontab 命令。

5)  数据库 Mysql 和 MongoDB 的区别？

答：Mysql 是关系型数据库，MongoDB 是文档型数据库。MongoDB 占用空间大，典型的用空间换时间原则的类型。Mysql 相对成熟，MongoDB 较为年轻。

6)  你知道的加解密算法有哪些？

答：AES（对称加密）、RSA（非对称加密）、MD5（Hash算法）等。

### 3、数据结构 ###

个人感觉数据结构最重要，面试五花八门什么题都有，但是唯一统一的，就是数据结构基础。

不考数据结构的情况也有，但这种情况少之又少。

数据结构的考法，也各有不同。**有的让说思路，有的让在线写代码。**

所以，复习的方法应该是：**审题->思考->表达->码字。**

首先，认真审题，审题很重要。然后组织语言，把自己所想表达清楚。

别小看这一步，一些公司面试都是让先说解题思路，再写代码，甚至是只需要说思路。

我这有一份当初刷题的记录，剑指 Offer 系列的刷题笔记，解题思路+代码都有：

![format_png 2][]

已分门别类整理好，有需要的自取。

地址：[https://cuijiahua.com/blog/2018/02/basis\_67.html][https_cuijiahua.com_blog_2018_02_basis_67.html]

下面对一些常见题型进行汇总，这些也是我当初面试时，真实被问到的题目以及相关扩展题。

**链表：**

1) 找出单链表的倒数第K个元素（仅允许遍历一遍链表）

答：使用指针追赶的方法，定义一个 fast 指针和一个 slow 指针，fast 指针先走 K 步，然后 fast 和slow 同时继续走。当 fast 指针走到链表尾部时，slow 指向的位置就是倒数第 K 个元素。

**注意**：要考虑链表长度应该大于 K 。参考：[剑指Offer（十四）：链表中倒数第k个结点][Offer_k]

2) 找出单链表的中间元素（仅允许遍历一遍链表）

答：使用指针追赶的方法，定义一个 fast 指针和一个 slow 指针，两个指针同时走，fast 指针每次走两步，slow 指针每次走一步。当 fast 指针到链表尾部时，slow 指针指向的就是链表的中间元素。

3) 判断单链表是否有环？

答：使用指针追赶的方法，定义一个 fast 指针和一个 slow 指针，两个指针同时走，fast 指针每次走两步，slow 指针每次走一步。如果有环，则两者会相遇；如果没有环，fast 指针会遇到 NULL 退出。

4) 已知单链表有环，如何知道环的长度？

答：使用指针追赶的方法，定义一个 fast 指针和一个 slow 指针，两个指针同时走，fast 指针每次走两步，slow 指针每次走一步，找到碰撞点。然后使用 slow 指针，从该碰撞点开始遍历，绕着走一起圈，再次回到该点，所走过的结点数就是环的长度。

5) 如何找到环的入口结点？

答：先使用题 4 的方法，计算出环的长度。然后重新从头结点开始遍历，定义定义一个 fast 指针和一个 slow 指针，fast 指针先走 l（环的长度）步，然后两个指针以相同的速度在链表上向前移动，直到它们再次相遇，那么这个相遇点即为环的入口结点。

参考：[剑指Offer（五十五）：链表中环的入口结点][Offer]

6) 判断两个无环单链表是否相交？

答：一旦两个链表相交，那么两个链表从相交节点开始到尾节点一定都是相同的节点。所以，如果他们相交的话，那么他们最后的一个节点一定是相同的，因此分别遍历到两个链表的尾部，然后判断他们是否相同。

7) 如何知道两个单链表（可能有环）是否相交？

答：根据两个链表是否有环来分别处理，若相交这个环属于两个链表共有

（1）如果两个链表都没有环，如题 6 所示方法。

（2）一个有环，一个没环，肯定不相交。

（3）两个都有环。在 A 链表上，使用指针追赶的方法，找到两个指针碰撞点，之后判断碰撞点是否在 B 链表上。如果在，则相交。

8) 寻找两个相交链表的第一个公共结点。

答：我们也可以先让把长的链表的头砍掉，让两个链表长度相同，这样，同时遍历也能找到公共结点。此时，时间复杂度 O(m+n)，空间复杂度为 O(MAX(m,n)) 。

参考：[剑指Offer（三十六）：两个链表的第一个公共结点][Offer 1]

9) 反转链表。

答：我们使用三个指针，分别指向当前遍历到的结点、它的前一个结点以及后一个结点。在遍历的时候，交换当前结点的尾结点和前一个结点的。

参考：[剑指Offer（十五）：反转链表指][Offer 2]

**数组：**

1) 给定一个数组（非递减排序），同时给定一个目标数字，找出这个数字在该数组中第一次出现的位置，如果不存在，返回-1。例如\[1,3,5,5,5,5,8,9,13,15\]，输入5，返回2，输入8，返回6，输入18，返回-1。

答：使用二分查找法即可。

# -*-coding:utf-8 -*-
    def BinarySearch(input_list, end, value):
    	if end == 0 or value < input_list[0] or value > input_list[-1]:
    		return -1
    	left = 0
    	right = end - 1
    	while left <= right:
    		middle = left + (right - left) // 2
    		if input_list[middle] >= value:
    			right = middle - 1
    		else:
    			left = middle + 1
     
    	return left if left < end else -1
    
    if __name__ == '__main__':
    	input_list = [1,3,5,5,5,5,8,9,13,15]
    	target = 5
    	print(BinarySearch(input_list, len(input_list), target))

运行结果如下图所示：

[![秋招在即，你准备好了吗？][format_png 3]][format_png 3 1]

2) 给定一个数组，里面有很多数字（乱序），找出其中最大的 4 个数字。

答：最简单的办法就是先排序再找出最大的四数，这种方法时间复杂度过高。一个更好的方法是使用堆排序，即维护一个存储最大的4个数的最小堆。

解析：这的思想和代码可以参考《[剑指Offer（二十九）：最小的K个数][Offer_K]》，这里仅仅做了一个变形。

3) 给定一个整数的数组 nums，返回相加为 target 的两个数字的索引值。假设每次输入都只有一个答案，并且不会使用同一个元素两次。

答：**如果这个数组是已经排序的**，可以使用头指针和尾指针，我们可以定义一个头指针 left，一个尾指针 right 。left 指针指向元素值+ right 指针指向元素值的和为 sum，用 sum 和 target 比较。如果sum > target，说明和大了，那么 right 右指针左移一位，然后重新判断。反之，如果 sum < target，说明和小了，那么 left 左指针右移以为，然后会从新判断。直到找到 sum=target 的情况。**如果没有排序**，可以使用使用哈希表，也就是散列表。

解析：如果没有排序，这道题就是Leetcode中的一道题。代码可以参考《[Two Sum][]》。

4) 给定一个字符串，找到最长无重复子字符串。

答：定义两个变量 longest 和 left ，longest 用于存储最长子字符串的长度，left 存储无重复子串左边的起始位置。然后创建一个哈希表，遍历整个字符串，如果字符串没有在哈希表中出现，说明没有遇到过该字符，则此时计算最长无重复子串，当哈希表中的值小于 left，说明 left 位置更新了，需要重新计算最长无重复子串。每次在哈希表中将当前字符串对应的赋值加 1 。

解析：Leetcode中的一道题。代码可以参考《[Longest Substring Without Repeating Characters][]》。

**二叉树：**

1) 给定任意一棵二叉树，假设每个结点之间的距离相等，现从任意叶结点，点燃这颗二叉树，假设结点到结点间的燃烧时间均为 1s，问需要多久能烧完整颗二叉树。

答：二叉树燃烧，需要向父结点遍历。此外，因为是燃烧整颗二叉树，所以结点间应该是扩散式的同时燃烧。因此思路是找到点燃的叶结点到另一个结点的最大距离。

**其他：**

1) 不使用现成的开根号库函数，如何实现开平方根的操作？

答：可以使用二分查找法或者牛顿法。

# -*-coding:utf-8 -*-
    def sqrt_binary_search(target):
    	left = 0
    	right = target
    	mid = (left + right) / 2
    
    	while abs(mid*mid-target) > 0.000001:
    		if mid*mid == target:
    			return mid
    		elif mid*mid > target:
    			right = mid
    		else:
    			left = mid
    		mid = (left + right) / 2
    	return mid
    
    def sqrt_newton(target):
    	k = target
    	while abs(k*k-target) > 0.000001:
    		k = 0.5*(k+target/k)
    	return k
    
    if __name__ == '__main__':
    	print("二分查找法:",sqrt_binary_search(64))
    	print("牛顿法:",sqrt_newton(64))

运行结果如下图所示：

![format_png 4][]

2) 一个自然序列，从0开始，去掉凡是出现8和9的数，请问去掉后的序列中的第2018个数是多少？

答：这道题只要理解题意就好了，怎奈我当时紧张，感觉答的不好，其实事后仔细一想还是蛮简单的。例如去掉后的序列为：0，1，2，3，4，5，6，7，10，11，12，13，14，15，16，17，20，21，22，23，24，25，26，27，30，31，32，33，34，35，36，37···。通过数字规律，会发现，其实这个就是10进制转8进制，第9个数是10，第17个数是20，第25个数是30。那么，第2018个数是多少？用除八取余法，得3742。而第2018个数，应该是3742-1=3741。

3) EXCEL中，列序是有规律的。A，B，C···，Z，接着是AA，AB，···，AZ，再接着是BA，BB，···，BZ。这样一直循环下去，等到有三位的时候就是从AAA开始。请问，第2018个数对应的序列号是多少？

答：这道题还是进制转换问题，是10进制转26进制。比如第27个数：27除以26为1余1，那么结果就是AA，第53个数：53除以26为2余1，那么结果就是BA。同理，第2018个数：使用除26取余法，得到最终结果为BYP。

### 4、机器学习 ###

1) 什么是归一化，归一化的作用是什么？

答：**归一化**是将数据变为(0,1)之间的小数，主要是为了数据处理方便，把数据映射到0~1范围之内处理，处理起来可以更加便捷快速。**归一化的作用**是把有量纲表达式变为无量纲表达式，归一化是一种简化计算的方式，即将有量纲的表达式，经过变化，化为无量纲的表达式，成为纯量。同时，提高迭代求解的收敛速度，提高迭代求解的精度。

**相应扩展：**

深度学习中的归一化应该怎么理解？

答：神经网络学习过程的本质是为了学习数据分布，一旦训练数据与测试数据的分布不同，那么网络的泛化能力也大大降低；另一方面，一旦每批训练数据的分布各不相同，那么网络就要在每次迭代都去学习适应不同的分布，这样会大大降低网络的训练速度，这也正是为什么我们需要对数据进行归一化处理的原因。对于深度网络的训练是一个复杂的过程，只要网络的前面几层发生微小的改变，那么后面几层就会被累积放大下去。一旦网络某一层的输入数据的分布发生改变，那么这一层网络就需要去适应学习这个新的数据分布，所以如果训练过程中，训练数据的分布一直在发生变化，那么将会影响网络的训练速度。因此，我们一般会对输入数据进行"白化"除理，使得它的均值是0，方差是1。

2) 标准化是什么？

答：数据的标准化是将数据按比例缩放，使之落入一个小的特定区间。由于信用指标体系的各个指标度量单位是不同的，为了能够将指标参与评价计算，需要对指标进行规范化处理，通过函数变化将其数值映射到某个数值区间。

**相应扩展：**

常见的数据归一化方法有哪些？

答：min-max标准化、z-score标准化等。

对于数据标准化/归一化的详细内容，可以参见：

[https://blog.csdn.net/pipisorry/article/details/52247379][https_blog.csdn.net_pipisorry_article_details_52247379]

3) 你最熟悉的机器学习算法是什么？可以讲解下SVM原理吗？

答：省略若干字。

解析：这部分内容可以参考我的文章《[机器学习实战教程（八）：支持向量机原理篇之手撕线性SVM][SVM]》，我当时面试的时候是先说的线性可分的情况，然后再引入核函数。

4) 在推导公式的时候，要向量化，这是什么意思？

答：其实就是将多组数据，放到一个矩阵里，进行矩阵运算。因为如果是一条一条遍历计算参数，需要用到for循环，这样很浪费时间。python的第三方库提供了很好的矩阵计算支持，我们完全可以把多组数据放到一个矩阵里，这样可以实现多组数据同时计算。这个向量化推导，就是根据一条数据计算公式推导出矩阵运算公式，这样可以方便我们写代码。

5) 在逻辑回归中，我们使用的是sigmoid函数，知道sigmoid函数吧？

答：知道。

继续问：那么tanh函数和它有什么区别呢？

答：它们的值域不同，sigmoid函数将输出映射到0~1的范围内，而tanh函数将输出映射到-1~1的范围内。同时，它们过零点的值也不同，sigmoid函数的过零点的值为0.5，tanh函数过零点的值为0。当我们更偏向于当激活函数的输入是0时，输出也是0的函数时候，就需要使用tanh函数，而非sigmoid函数。

6) SVM和Logistic的区别？

答：（1）SVM不是概率输出，Logistic Regression是概率输出。也就是说，当一个新样本来了，SVM只会告诉你它的分类，而Logistic Regression会告诉你它属于某类的概率！（2）异常点的鲁棒性问题。当训练样本中存在异常点时，由于Logistic Regression的lost function中有每一个点的贡献，所以某种程度上“削弱了”异常点的贡献。而SVM只需要考虑支持向量，此时支持向量本来就不是很多的情况下，几个异常点就很有可能极大影响SVM的表现。（3）目标函数不同。Logistic Regression使用cross entropy loss，互熵损失。而SVM使用hinge loss，铰链损失。（4）实际问题中，如果数据量非常大，特征维度很高，使用SVM搞不定时，还是用Logistic Regression吧，速度更快一些。

7) 常见的损失函数有哪些？

*  铰链损失（Hinge Loss）：主要用于支持向量机（SVM） 中；
 *  互熵损失 （Cross Entropy Loss，Softmax Loss ）：用于Logistic 回归与Softmax 分类中；
 *  平方损失（Square Loss）：主要是最小二乘法（OLS）中；
 *  指数损失（Exponential Loss） ：主要用于Adaboost 集成学习算法中；
 *  其他损失（如0-1损失，绝对值损失）。

参考链接：[https://blog.csdn.net/u010976453/article/details/78488279][https_blog.csdn.net_u010976453_article_details_78488279]

8) GBDT和XGBOOST的区别有哪些？

*  传统GBDT以CART作为基分类器，xgboost还支持线性分类器，这个时候xgboost相当于带L1和L2正则化项的逻辑斯蒂回归（分类问题）或者线性回归（回归问题）。
 *  传统GBDT在优化时只用到一阶导数信息，xgboost则对代价函数进行了二阶泰勒展开，同时用到了一阶和二阶导数。顺便提一下，xgboost工具支持自定义代价函数，只要函数可一阶和二阶求导。
 *  xgboost在代价函数里加入了正则项，用于控制模型的复杂度。正则项里包含了树的叶子节点个数、每个叶子节点上输出的score的L2模的平方和。从Bias-variance tradeoff角度来讲，正则项降低了模型的variance，使学习出来的模型更加简单，防止过拟合，这也是xgboost优于传统GBDT的一个特性。
 *  Shrinkage（缩减），相当于学习速率（xgboost中的eta）。xgboost在进行完一次迭代后，会将叶子节点的权重乘上该系数，主要是为了削弱每棵树的影响，让后面有更大的学习空间。实际应用中，一般把eta设置得小一点，然后迭代次数设置得大一点。（补充：传统GBDT的实现也有学习速率）
 *  列抽样（column subsampling）。xgboost借鉴了随机森林的做法，支持列抽样，不仅能降低过拟合，还能减少计算，这也是xgboost异于传统gbdt的一个特性。

*  对缺失值的处理。对于特征的值有缺失的样本，xgboost可以自动学习出它的分裂方向。
 *  xgboost工具支持并行。boosting不是一种串行的结构吗?怎么并行的？注意xgboost的并行不是tree粒度的并行，xgboost也是一次迭代完才能进行下一次迭代的（第t次迭代的代价函数里包含了前面t-1次迭代的预测值）。xgboost的并行是在特征粒度上的。我们知道，决策树的学习最耗时的一个步骤就是对特征的值进行排序（因为要确定最佳分割点），xgboost在训练之前，预先对数据进行了排序，然后保存为block结构，后面的迭代中重复地使用这个结构，大大减小计算量。这个block结构也使得并行成为了可能，在进行节点的分裂时，需要计算每个特征的增益，最终选增益最大的那个特征去做分裂，那么各个特征的增益计算就可以开多线程进行。

*  可并行的近似直方图算法。树节点在进行分裂时，我们需要计算每个特征的每个分割点对应的增益，即用贪心法枚举所有可能的分割点。当数据无法一次载入内存或者在分布式情况下，贪心算法效率就会变得很低，所以xgboost还提出了一种可并行的近似直方图算法，用于高效地生成候选的分割点。

参考自：[https://www.zhihu.com/question/41354392][https_blog.csdn.net_u010976453_article_details_78488279]

### 5、深度学习 ###

**目标检测算法相关：**

1) 简述下 YOLO 算法原理？

答：Yolo算法采用一个单独的CNN模型实现end-to-end的目标检测，模型参考自GoogleNet，YOLO的CNN网络将输入的图片分割成SxS的网络，然后每个单元格负责去检测那些中心点落在该格子内的目标。每个单元格会预测B个边界框（bounding box）以及边界框的置信度（confidence score）。所谓置信度其实包含两个方面，一是这个边界框含有目标的可能性大小，二是这个边界框的准确度，边界框的准确度可以用预测框与实际框（ground truth）的IOU（intersection over union，交并比）来表征。边界框的大小与位置可以用4个值来表征：（x,y,w,h），其中(x,y)是边界框的中心坐标，而(w,h)是边界框的宽与高。还有一点要注意，中心坐标的预测值(x,y)是相对于每个单元格左上角坐标点的偏移值，并且单位是相对于单元格大小的，而(w,h)预测值是相对于整个图片的宽与高的比例。这样，每个边界框的预测值实际上包含5个元素：(x,y,w,h,c)，其中前4个表征边界框的大小与位置，而最后一个值是置信度。每个单元格需要预测 (B\*5+C) 个值。如果将输入图片划分为 S\*S 网格，那么最终预测值为 S\*S\*(B\*5+C) 大小的张量。对于PASCAL VOC数据，其共有20个类别，如果使用 S=7,B=2 ，那么最终的预测结果就是 7\*7\*30大小的张量。

2) 相对于YOLO，YOLO v2有哪些改进？

*  首先，将dropout层去掉，在每个卷积层添加了Batch Normalization，mAP提高了2%；
 *  其次，使用高分辨率分类器，将输入分辨率数据有224\*224变为448\*448，mAP提高了4%；
 *  第三，引入anchor boxes来预测bounding boxes，去掉网络中的全连接层。准确率只有小幅度的下降，而召回率则提升了7%，说明可以通过进一步的工作来加强准确率，的确有改进空间；
 *  第四，使用维度聚类，本文使用K-means聚类方法训练bounding boxes，可以自行找到更好的boxes宽高维度；同时使用直接位置预测(Direct lacation prediction)，将定位预测值归一化，使参数更容易得到学习，模型更加稳定。作者使用Dimension Clusters和Direct location prediction这两项anchor boxes改进方法，mAP获得了5%的提升。
 *  第五，增加细粒度特征(Fine-Grained Feature)，是模型获得多尺度的适应性，简单添加了一个转移层（ passthrough layer），这一层要把浅层特征图（分辨率为26 \* 26，是底层分辨率4倍）连接到深层特征图。这样做相当于做了一次特征融合，有利于检测小目标。
 *  最后，多尺度训练(Multi-Scale Training)，方法就是几次迭代之后就会微调网络，每过10次训练（10 epoch），就会随机选择新的图片尺寸。YOLO网络使用的降采样参数为32，那么就使用32的倍数进行尺度池化\{320,352，…，608\}。最终最小的尺寸为320 \* 320，最大的尺寸为608 \* 608。接着按照输入尺寸调整网络进行训练。这种机制使得网络可以更好地预测不同尺寸的图片，意味着同一个网络可以进行不同分辨率的检测任务，在小尺寸图片上YOLOv2运行更快，在速度和精度上达到了平衡。

3) 深度学习方法与传统机器学习方法的区别是什么？

答：机器学习包括深度学习，深度学习是使用卷积层**学习特征**，而非像机器学习那样需要人为**提取特征**，深度学习可以自行学习到更深层次的特征。机器学习方法的各个公式有数学理论推导支持，深度学习方法就像一个黑匣子，缺少数学理论支持。

4) YOLO的损失函数是什么？

答：YOLO算法将目标检测看成回归问题，采用的是均方差损失函数。公式如下图所示：

![format_png 5][]

### 6、**业务场景** ###

种这题目也是常出题目，会给定你一个场景来提问。

1)  如果给了你很多数据，这些数据已经标注好，即已经做好分类，现在让你训练出一个模型，用于区分新来的数据属于哪一类，你需要怎么做呢？可以说下详细的流程吗？

答：首先这是一个分类问题，首先应该想到的是可以尝试使用常用的分类算法，例如朴素贝叶斯、决策树或者SVM。拿到数据之后，做的第一件事就是特征工程。然后将数据分类两部分，一部分用于训练，另一部分用于测试，即分为训练集和测试集，不混用。其实，使用什么分类算法倒是其次，重要在于选好特征，对于给定的特征，需要做一些过滤，比如一些干扰数据，如果对于结果影响很大，可以尝试舍弃这些数据。除此之外，看看是否需要对数据进行归一化处理，将数据无量纲化。然后对已经处理好的特征，送入分类算法中，让其学习。最后，可以通过查看测试集的预测准确度，对一些算法必要参数进行优化调试。

解析：我当时差不多就是这么回答的，只要有的说，让面试官认为你做过相关工作即可。

2) 如果给你1亿个数据，让你找出其中第 1000 大的数据，你会怎么做？我们先不考虑多进程和多线程，也不考虑数据库，如何在算法方面给出思路呢？

答：可以使用堆排序，创建一个存储1000个数据的小根堆。先将1亿个数据的前1000个数据放入这个小根堆中，然后继续遍历，对于新插入的数据，需要与小根堆的最小值进行比较，如果待插入的数据比这个最小值还小，那么不插入，如果比这个最小值大，那么就插入该数，并重新调整小根堆，随后继续使用此方法遍历整个数据。遍历一次数据后，就得到了前1000大的数据，然后输出小根堆的最小值，即根值，即可得到第1000大的数据。

PS：还有一种思路，有就是利用 MapReduce，实际工作中，非常常用的工具。

## 四、总结 ##

*  本文总结的题目，都是我当初刚参加工作面试遇到的一些常规题目，例如 YOLO 系列算法，现在已经出了 YOLO v3、YOLO v4 ，有新算法就得看，需要跟进最新的进展。
 *  临阵磨枪，不快也光。面试前，看一看自己的笔记，没准面试的时候正好碰到。
 *  好好准备，祝在座的各位，人人都是 offer 收割机。

![format_png 6][]

[https_github.com_Jack-Cherish_PythonPark]: https://github.com/Jack-Cherish/PythonPark
[format_png]: https://imgconvert.csdnimg.cn/aHR0cHM6Ly9jdWlqaWFodWEuY29tL3dwLWNvbnRlbnQvdXBsb2Fkcy8yMDIwLzA2L2xpZmUtNzEtMy5qcGc?x-oss-process=image/format,png
[Link 1]: https://cuijiahua.com/blog/tag/%E7%A7%8B%E6%8B%9B/
[Link 2]: https://cuijiahua.com/blog/tag/%E7%AE%97%E6%B3%95/
[format_png 1]: https://imgconvert.csdnimg.cn/aHR0cHM6Ly9jdWlqaWFodWEuY29tL3dwLWNvbnRlbnQvdXBsb2Fkcy8yMDIwLzA2L2xpZmUtNzEtMS5wbmc?x-oss-process=image/format,png
[Link 3]: https://cuijiahua.com/blog/tag/%E9%9D%A2%E7%BB%8F/
[format_png 2]: https://imgconvert.csdnimg.cn/aHR0cHM6Ly9jdWlqaWFodWEuY29tL3dwLWNvbnRlbnQvdXBsb2Fkcy8yMDIwLzA2L2xpZmUtNzEtMi5wbmc?x-oss-process=image/format,png
[https_cuijiahua.com_blog_2018_02_basis_67.html]: https://cuijiahua.com/blog/2018/02/basis_67.html
[Offer_k]: https://cuijiahua.com/blog/2017/12/basis_14.html
[Offer]: https://cuijiahua.com/blog/2018/01/basis_55.html
[Offer 1]: https://cuijiahua.com/blog/2018/01/basis_36.html
[Offer 2]: https://cuijiahua.com/blog/2017/12/basis_15.html
[format_png 3]: https://imgconvert.csdnimg.cn/aHR0cHM6Ly9jdWlqaWFodWEuY29tL3dwLWNvbnRlbnQvdXBsb2Fkcy8yMDE4LzA0L2xpZmVfMl8yLnBuZw?x-oss-process=image/format,png
[format_png 3 1]: https://cuijiahua.com/wp-content/uploads/2018/04/life_2_2.png
[Offer_K]: https://cuijiahua.com/blog/2017/12/basis_29.html
[Two Sum]: https://github.com/Jack-Cherish/LeetCode/blob/master/Array/Easy/1.Two%20Sum.md
[Longest Substring Without Repeating Characters]: https://github.com/Jack-Cherish/LeetCode/blob/master/String/Medium/3.Longest%20Substring%20Without%20Repeating%20Characters.md
[format_png 4]: https://imgconvert.csdnimg.cn/aHR0cHM6Ly9jdWlqaWFodWEuY29tL3dwLWNvbnRlbnQvdXBsb2Fkcy8yMDE4LzA0L2xpZmVfMl8xLnBuZw?x-oss-process=image/format,png
[https_blog.csdn.net_pipisorry_article_details_52247379]: https://blog.csdn.net/pipisorry/article/details/52247379
[SVM]: https://cuijiahua.com/blog/2017/11/ml_8_svm_1.html
[https_blog.csdn.net_u010976453_article_details_78488279]: https://blog.csdn.net/u010976453/article/details/78488279
[format_png 5]: https://imgconvert.csdnimg.cn/aHR0cHM6Ly9jdWlqaWFodWEuY29tL3dwLWNvbnRlbnQvdXBsb2Fkcy8yMDE4LzA0L2xpZmVfMl8zLmpwZw?x-oss-process=image/format,png
[format_png 6]: https://imgconvert.csdnimg.cn/aHR0cHM6Ly9jdWlqaWFodWEuY29tL3dwLWNvbnRlbnQvdXBsb2Fkcy8yMDIwLzA1L2d6aC1sb2dvLXlhc3VvLmpwZw?x-oss-process=image/format,png