今天上午做了兩份現場筆試題，乙份資料探勘的（筆試題偏sql），乙份ai崗的筆試（偏深度神經網路）。
面了平安科技的ai崗和大資料（資料探勘）崗位，現在記錄一下：
1.ai崗位：
面試官很和善，但是看了我的簡歷專案經驗和學術經驗，明確我沒有深度學習方面的相關經驗和學習，所以認為我和這個崗位不匹配，儘管我在期間，也表達了我有很強的自助學習能力，和很強的轉崗興趣，但是，沒有得到面試官的認可，最後還是把我調到大資料的（資料探勘崗位）了。
這裡得到的一點小總結：之前自己對深度學習也有過了解，用過tensorflow調包去實現一些小的案例，但是始終沒有深入的去學習這塊領域的知識，認為先學好傳統機器學習的知識就可以了，去面試機器學習的崗位。
但是，這幾次的面試下來，發現，大部分的崗位都需要有深度學習的基礎，比如rnn，cnn的一些學習實踐，所以在後期的學習力，我也要把這一塊的知識再學習一下，簡歷上也放一些實踐或者比賽的案例上去。
2.大資料（資料探勘）崗位：
剛面試，從自我介紹說起，我就把自己的實習經歷，學術經歷按簡歷順序一一敘述了一遍。
然後面試官也就順著簡歷一路問下來，其中包括的一些問題，我總結一下：
1，使用者畫像，用到了哪些維度的資料? 這裡，我就直接說了一些特徵，從人口特徵，到平安的平台資料等，回答的還可以
2，我使用者畫像用的是k-means演算法，那麼對於離散變數如何進行連續化？
我回答的是，因為離散變數不能匯入模型直接計算距離，所以使用one-hot編碼，可以實現離散變數的連續化。
面試官接著問：除了one-hot編碼，還有其他比較好的編碼方式嗎，因為one-hot 編碼的效果不是很好。
我的回答 ： 我了解的離散變數轉變成連續型變數，還有的方法有 等距分箱法，卡方分箱法等，來實現。
（其實我也不是很清楚到底哪種方法好，這裡就這麼說了，所以後面需要去確定一下，到底哪種編碼方式比較好？
面試官接著問：對於有序的屬性可以這樣處理，那麼對於無序的屬性呢？ 我沒有給出比較滿意的回答。。。。
3.一般k-means都使用歐式距離，還有沒有其他的方法，你認為比較好的，來計算變數之間的距離？
這個問題，我真的不確定。我雖然知道，還有其他的方法可以計算變數之間的距離，比如馬氏距離，余弦相似度計算，所以只說了這兩個，也沒有明確到底用哪種距離比較好？
23點更新：
知乎上有解答，在西瓜書上也寫到了vdm的距離方法，不過，雖然知乎上說了獨熱編碼的缺點，會丟失資訊，但是也說有什麼好的編碼方式。
只是說了有
所以基於k-means這種思路的演算法：
1.處理連續變數的有k-means和k-means++[2]
2.處理categorical變數的有k-modes[3]
3.處理混合變數的有k-prototypes
4.開始問cart數的問題
1） 為什麼選用cart數作為分類是否是沉睡使用者的模型？
我回答說，決策樹模型可以接收非數值型的輸入，所以選決策樹比較好處理。相對於id3 ，id4.5決策樹來說，cart數的效能更好，所以就選了這個。
2）對於輸入資料有缺失值的情況，你們是怎麼處理的？
我回答是：將缺失值作為一種特徵，直接帶入到模型中，不需要作缺失值處理。
面試官接著問：是如何將缺失值作為一種特徵帶入模型的。我沒有給出滿意的回答。。。。
這個答案可以學習一下，明天過來記錄。23.21更新：
3）cart回歸數，如何尋找葉子節點？
擦，我這裡在面試的時候，沒有明白面試官的意思，剛才查了一下，應該是就是如何**。就是怎麼選擇決策數的特徵。就是根據gini指數嘛。但是和分類樹不一樣，回歸樹是計算 gain_σ
具體見：
5.開始問申請評分卡的問題
1）缺失值是怎麼處理？
我回答，缺失值就是用平均值進行填充了。面試官問：是不是有些武斷了？
我接著回答說，也可以用回歸的方法進行**，但是這個做法工程量有點大，所以就沒有這麼做。
2）如何確定變數是否存在共線性，怎麼進行剔除？
這裡我不是很清楚，就回答了用person相關性分析來確定是否存在共線性。。。如果兩個變數相關，就剔除其中乙個。
23.27多重共線性
然後面試官又問，如何判定離散變數和連續型變數，是否存在共線性呢？
這個我回答，還是要把離散變數連續化，再去判斷，但是面試官對回答不是很滿意。。。。
3）線性回歸的基本假設是什麼？
這個我真不知道，回答了：假設變數之間的關係是線性的。
剛才找到了乙個解釋的文章：
最後，面試官問，有什麼要問他的？
我問了一下面試官所做的業務場景，是我知道的開放平台。然後對外面做一些模型輸出。
下次，我還可以問一下自己的今天面試表現如何，有什麼地方需要改進的。
平安金融壹賬通測試技術週報 七十一期
第二篇則由永駿給大家介紹一下如何利用jquery contextmenu外掛程式來實現右鍵選單的功能 測試方法技巧，自動化，專項測試專欄則收錄了來自 51testing tmq wetest testerhome 測試窩等各大網際網路公司及社群先進的測試工具以及自動化實施案例。一 原創專欄1 會計讀...
平安金融壹賬通勇奪國際面部動作單元識別競賽世界第一
平安金融壹賬通旗下加馬人工智慧研究院 g程式設計客棧amma lab 繼斬獲omg國際微表情權威評測冠軍之後，在人類情緒理解領域再攀高峰，在2018 emotionet 國際面部動作單元 action unit，簡稱au 識別競賽上以94.46 的準確率獲得世界第一的排名。emotionet是面部動...
專訪李峰 行進中的平安金融雲
從去年以來，行業雲成為國內外雲廠商突破傳統行業的重點，通過為行業定製雲服務，滿足行業的特殊需求和合規要求，來讓企事業單位放心上雲。在這當中，金融雲是各廠商的關注焦點，在過去一年裡取得了很大的進展。平安雲作為近來異軍突起的一家雲廠商，也提供了金融業服務。12月20日，平安集團smart科技大會在上海舉...