一面
询问简历上做过的项目，以及项目细节
算法题：
二叉树中序遍历（要非递归解法）
两个有序链表的归并。
快排
lstm 详细讲讲解
attetion 机制
混淆矩阵，F1等计算
n个人进餐馆，都把帽子挂在门口，走的时候随手拿一顶，问拿到帽子恰好是自己的人数的期望
ML 与 DL比较
实习的一些问题
二面
算法题：返回二叉树中路径和为某一值的所有路径、反转句子中单词顺序
区块链比赛和专利
我惊了个呆，大佬竟然还了解区块链，准确指出了我的区块链项目和专利的不靠谱处（我也知道啊，所以我转ML了啊）
项目
这个就随便聊了聊
AUC计算
很奇怪，我面试后看了看发现给出的是正确方法，但是面试官说不对。。。
进程和线程是为什么被提出的
线程间如何通信
快排复杂度的证明
特征筛选方法
三面
基础数据结构和算法有哪些
是的你没猜错，我把课本罗列了一下，顺序表 链表 哈希表 树系列 图系列，选择插入冒泡希尔堆快速基数外部排序，就过了。。。
推荐类算法比较
机器学习算法比较
聊了聊区块链
已经拿到offer
这是下一位同学的面经
一面
聊项目，聊的非常细，我的项目就是比赛，面试官甚至问了我提分的过程，一开始多少分，做了哪些工作之后升到了多少分之类的；
跟过拟合有关的一些问题，详细的内容已经记不清了；
聊xgboost；
聊deepFM；
项目中用到了LSTM，为什么可以用LSTM，它的主要用处是什么，以及LSTM的梯度消失问题；
算法题：二叉树中的最长路径；
算法题：x的平方根。
二面：
聊项目；
聊GBDT；
算法题：二分查找；
算法题：最大堆的插入；
聊deepFM；
不定长文本数据如何输入deepFM，如果不截断补齐又该如何输入；
项目中为什么使用LSTM；
项目中整个过程中都做过哪些优化。
三面：
n个数中等概率抽取m个数。
三面就问了一道概率题，剩下的基本上是聊天。 总的来说面试难度不高，感觉也是我运气好吧。
这是下一位同学的面经
一面
给一个数组，数组的数字代表股票价格，求一次买卖的最大股票收益
1-n的全排列
lstm是什么的升级？解决了什么问题？
讲一讲各种激活函数
attetion 机制
embedding的深层含义是什么
c 的const字段有什么意义
RF和GBDT的区别
为什么GBDT可以提高准确率
矩阵分解
二面
自我介绍
讲区块链
区块链中51%攻击的经济学原理
求树两个节点的最低公共祖先
讲kaggle比赛
xgboost比gbdt的优化都有哪些
为什么xgboost要求二阶导数
泰勒展开逼近残差，二阶比一阶精度高
通用性，所有二阶可导的loss function都可以用
有些函数梯度在一阶上变化小，二阶变化***牛顿法
为什么gbdt没有正则
讲项目
计算一下项目中DNN的参数个数
gbdt与lr区别
集成为什么会提高效果
l1 l2正则
xgb lgb调参怎么选参数
贪婪搜索呗？面试官觉得不行？难道是贝叶斯参数优化？
怎么样在没有得到未来数据的情况下提高模型对未来预测的效果
讲道理我觉得这个问的非常扯淡，不就是泛化性，然后我说了一些降低方差的方法，面试官说是对未来预测的准确性，没有get到他的点，最后被说对算法的追求不够。。。。