这是腾讯游戏安全策略岗的二面,这么久才写出来,是因为已凉且题目太窄,不具有通用性,拖到现在才进行整理。
二面与一面惊人的类似,始终围绕游戏展开,这次换成了英雄联盟…
主要内容
- 假设有充足的视频资源,如何从视频中判断玩家是否挂机或送人头?
- 问挂机与送人头的场景通常是怎么样的?
- 如果是无标记样本或者有少量样本的情况,又该如何做?
在cv领域,这两种情况比较前沿的解决方法分别有无监督分类和自监督学习。不过这题也可以理解为训练样本不足该如何做的问题,这就可以从模型和数据的角度去找解决方法,模型方面就是常见的防过拟合方法,数据方面就是数据扩充技术,视觉领域还可以有迁移学习的方法。 - 新特征如何生成以及特征选择?
可以深入了解树模型。树模型能够生成新特征,具体应用如GBDT+LR;也可以用于特征选择,如决策树就属于嵌入式特征选择方法,树的生成过程会对特征重要性进行度量。 - 假设挂机与送人头有一定时间顺序关系,但只有挂机的标记数据,又该如何做?
考察序列预测??? - 假设有另一个与英雄联盟相似的场景有很多标记数据,如何迁移到英雄联盟中来?
考察迁移学习,其实是第3问的一个解决方法。 - 如何设计一个图片搜索系统,在海量图片中找到匹配度最高的图片?(挺有意思的应用)
参考资料:
基于VGG-16的海量图像检索系统(以图搜图升级版) - 大样本情况下,距离度量公式该怎么修改?
结语
我并不适合腾讯的这个岗位,所以挂了并不觉得可惜,只是本来想选的腾讯音乐事业部,结果由于内推弄成了其他部门,这造成了一次机会的浪费,十分可惜。
如果觉得不错,请素质三连哈~~