2019年秋招算法岗面试经验

• CVTE-数据挖掘组

一面（8.20）：

1. 自我介绍一下，简单的说一下在校的项目和所学的课程。
2. 怎么看待数据挖掘？为什么要进行数据挖掘？
3. 数据挖掘过程是什么？
4. 介绍自己的论文工作...
5. 数据处理过程中：正态分布数据补全方式有中值和均值，各有什么异同，为什么要采用后者？
6. 特征选择中，相关性分析是分析什么之间的相关性？什么原理？特征和ground truth的线性表的斜率和相关性大小有关系吗？
7. 逐步回归原理，以及采用什么检验方法？T检验和F检验异同。
8.  Boosting和Bagging原理，比较不同。Boosting对样本根据误差重加权在整个结果上体现在哪里（损失函数最小）？RF原理及其与Bagging的不同。
9. 对数据挖掘组哪些方向比较感兴趣，为什么？
10. 有什么想问的？

二面（8.21）：

1. 做个简短的自我介绍。
2. 讲讲投会议的论文内容。
3. 模型选的什么分类器？有没有对比算法？为什么选择SVM？为什么不用深度网络做实验（样本量有限）？
4. 推导SVM，为什么采用拉格朗日乘子法？
5. SVM优缺点，为什么会对缺失值敏感？
6. 有哪些核函数？分别适用于什么场景