CVTE研究院数据挖掘岗三轮面经

【每日一语】我和这个世界不熟。这并非是我撕裂的原因。我依旧有很多完整，至少我要成全我自己。──北岛《我和这个世界不熟》

一面：

1、自我介绍（研究方向）

2、研究方向上目前的研究成果有哪些（介绍了自己的两篇论文和专利）

3、参加的竞赛（介绍了曾经参加过的天池竞赛和编程马拉松）

4、围绕交通流预测竞赛开始发问：

1）自己在竞赛中的角色

2）比赛的难点

3）如何解决该难题

4）竞赛中上分最高的几个手段是哪些

5）特征工程如何做的，有哪些特征，为何使用这些特征

6）单模型最高与模型融合的结果差距多少？如何进行的融合

5、阐述SVM原理，为何使用对偶性以及对偶性原理，SVM如何解决多分类，SVM与LR对比。

6、阐述GBDT、xgboost、lightGBM的异同，xgb的优势，lgb的优势，二者的并行如何实现。

7、阐述word2vec的原理，为何使用哈弗曼树，如何构建哈夫曼，负采样的原理。

8、对于一个取值较多的类别变量在不能进行onehot的情况下如何使用？

9、阐述Hadoop与Spark的区别？

10、Spark的工作原理是什么？

二面：

1、自我介绍

2、开始对我的一个NLP的项目发问：

1）做NER和RE时采用了什么模型？效果目前怎样？

2）知识图谱的构建过程是怎样的？

3）RE时的数据标注如何进行的？

4）图谱推理目前采用了什么方法？

5）表示学习如何使用在NLP任务中，举例说明。

3、LSTM、GRU、RNN的原理以及差别

4、梯度消失与梯度爆炸的产生原因，如何避免？

5、CNN的原理，卷积为何有效？1*1卷积的作用？

6、HMM与CRF的原理，差别，是全局最优还是局部最优以及为什么。

7、无人机竞赛中所使用的路径规划算法是什么？是如何对天气进行预测的？比赛中对上分的手段是什么？

终面：

终面是现场面，三个不同岗位的同学一起面见HR，围绕一些生活问题、人生观价值观等问题问了半小时。（还好最后没问你认为你们三个中谁表现最差.....）

总结：

技术面问的都比较基础，基本稳绕简历发问，全程没有让写编程题，没有问基础数据结构。HR面问题也相对温和，没有问一些极端的问题，感觉不错。