携程秋招算法二面
一面(9/14, 携程度假,45min)
1. 自我介绍
2. 简历项目
- Jieba分词的原理是什么
- 特征工程
- 随机森林和xgboost区别
- xgboost和lightgbm区别
- LSTM的结构
- RNN BPTT的机制,为什么会出现梯度消失或者梯度爆炸
3. 算法题,笔试的最后一道题,当时没做出来,面试还是没做出来。。。
4. Q&A
二面(9/26,30min)
1. 自我介绍
2. 介绍简历项目
- 讲一下DeepFM
- sigmoid和softmax的区别
- LSTM结构
3. 训练集、测试集和验证集的作用
- 如果要比较两种模型的表现,应该在哪个数据集上操作
- 为什么要先进行shuffle的操作
#面经##校招##携程##算法工程师#