腾讯春招之旅（二）

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

1. 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？
2. 问挂机与送人头的场景通常是怎么样的？
3. 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。
4. 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。
5. 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？？？
6. 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。
7. 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）
8. 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~~