腾讯算法实习岗一面--面试90分钟感觉身体被掏空

腾讯算法实习岗一面

  这个面试官一上来就给人很和蔼可亲的感觉，先简单的闲谈了几句，让我瞬间放松了不少，然后就是从简历入手，问了一下之前的实习经历，然后让我自己讲解一下项目，我从数据清洗、特征选择、模型构建一路讲了下来，中间还是因为紧张有点卡壳，但是面试官都说没关系。
  对项目做了简单了解后开始提问，第一是项目中对于不平稳序列是如何做随机性处理的，这个之前确实没接触过，没答上来。然后问我是如何评估模型的效果的，答由于数据值比较大，所以使用的MAPE和R2_Score进行的衡量。然后问你觉得该项目中还有哪些可以优化的点，刚好今天阿里的HR在跟我沟通时让我看了一篇他们团队的论文，里面的流程跟我的有相似之处，于是我讲了一下这个，另外对于预测精度的提升也提出了一个优化方案。
  由于项目里用到了LSTM和GRU，所以让我讲一讲循环神经网络，于是我从RNN讲到LSTM再到GRU，讲了一下发展过程和它们之间的区别。面试官又问了GRU为什么只用了两个门，它的优势在哪里，我记得不太清楚了所以只回答了GRU的参数更少，所以收敛更快。然后还问了如何设置LSTM的层数，给你XX个样本，你怎么选择隐藏层数。
  接着开始了算法部分的提问，N个正整数，返回最小的K个值。答曰先排序再输出。于是理所当然的又接着问了排序算法。我说的是用快速排序，因为它的平均时间复杂度是O（nlogn），他接着问跟堆排序相比哪个更好，我在头脑风暴的时候他又提醒说考虑一下最坏的情况，于是答堆排序。他又问如果数据量非常大的情况下应该用哪种，这个我记得，归并排序在最好最坏情况下的时间复杂度都是O（nlogn）。然后终于过