這一面是簡歷面，全程**面試，涉及的內容主要是簡歷上的專案+開放題。
簡歷
**深度resnet有效的原理
*****: deep residual learning for image recognition
另外兩個比賽：其中乙個是數模比賽，另乙個是ctr**比賽。前者主要問了兩個變數之間的相關性？很眼熟對吧，就是覆盤3中的那個問題，不過在數模領域，基本使用皮爾遜相關係數回答；後者主要問了xgboost如何挑選特徵（就是樹生成的過程）以及如何處理缺失值？，cart->gbdt->xgboost->lightgbm這一條路線的技術，即使是現在的資料探勘比賽也是常用的，建議找到原**加上部落格拜讀，前面的文章也有這些參考資料。補充：處理缺失值是個大方向，值得好好研究，可以參考下面的資料。順便提一句，xgboost訓練階段處理缺失值是把缺失值分別放到左葉子節點和右葉子節點中，計算二階梯度增益，哪個增益大就放到哪個葉子節點【**中sparsity-aware split finding這節講到的】。**時出現缺失值，預設被分類到右子樹【存疑】。
參考文獻：
怎麼理解決策樹、xgboost能處理缺失值？而有的模型(svm)對缺失值比較敏感呢?
xgboost缺失值引發的問題及其深度分析
開放題結語
面試過程中前輩的水平非常高，是那種遞進式地提問，所以要有對知識的深度了解。雖然遊戲安全崗位不是我期望投遞的崗位，不過不能放棄這麼好的查缺補漏的機會，繼續加油。
騰訊春招之旅（二）
二面與一面驚人的類似，始終圍繞遊戲展開，這次換成了英雄聯盟 主要內容 問掛機與送人頭的場景通常是怎麼樣的？如果是無標記樣本或者有少量樣本的情況，又該如何做？在cv領域，這兩種情況比較前沿的解決方法分別有無監督分類和自監督學習。不過這題也可以理解為訓練樣本不足該如何做的問題，這就可以從模型和資料的角度...
阿里春招之旅（七）
阿里雲的交叉面 5th 的覆盤，交叉的部門是螞蟻。自我介紹 選擇乙個認識透徹的專案 比賽 講講。我選擇的是ctr 然後就很細節地把這個比賽講完，基本上都是我在講，前輩在聽。幾個問題 實驗室的研究方向？深度學習模型與傳統機器學習模型哪個好用些？職業規劃？有沒有去研究過機器學習框架 如tensorflo...
百度春招之旅（一）
主要內容 題型 選擇題 60分 計算機專業基礎 資料結構 計算機網路 作業系統 資料庫 其中佇列有好幾題 機器學習基礎，數學題 概率題居多 語言 題 c c 為主，判斷輸出 可以通過牛客網上的題庫解決。簡答題 20分 機器學習任務的解決步驟，如果模型效能很差，如何優化與排查 以分類任務為例 資料採集...