1.美团
一面：
1）一个数组，给出一个值m，用最快的速度找出数组中两个数和为m的数。
2）标准差和方差区别
3）相似度，相关度，距离
4）平时遇到的问题，遇到问题怎么办，平时怎么学习的，学的最好的一门课程，怎么学的。
5）有什么需要问的。
2.CVTE ----2017年9月14日（中央研究院-数据挖掘）
一面：
1）介绍研究生工作，就项目提问。
2）说下最熟悉的机器学习算法，我说kmeans，然后让解释什么是K-means
3）解释下kmeans和dbscan的关系
4）决策树属于判别模型还是生成模型？朴素贝叶斯呢？
6）dropout层有什么作用
7）决策树中ID3、C4.5、Cart有什么区别？
8）随机森林相关的问题，忘了具体怎么问的，我不会
3.链家-----2017年9月15日（数据挖掘）
一开始来一个小时的现场笔试，五道题：redo和undo简单介绍；两棵树的最近公共子节点；取球问题；算法思路和复杂度的题，具体忘了；
1).自我介绍，就提到的项目提问
2).距离计算方法有哪些？ （欧氏距离；曼哈顿距离，即两个坐标差值的绝对值之和；夹角余弦距离；相关距离，根据相关系数理论来的）
3).特征工程做过吗？（将数据属性转化为数据特征的过程，属性代表了数据的所有维度，在数据建模时，如果对原始数据的所有属性进行学习，并不能很好的找到数据的潜在趋势，而通过特征工程对数据进行预处理，使用的算法模型能够减少受到噪音的干扰，这样能更好地找到趋势。事实上，好的特征甚至能帮助使用简单的模型达到很好的效果）
4).讲讲随机森林和gbdt
5).手写一个MapReduce程序
6)。手写一个查找两个树是否结构和值一样。（面试官最开始希望看到递归的做法，最后他们透露的）
7)、kmeans和dbscan区别
8).激励函数sigmoid（只有正激励，有区间），tanh（有正负激励，有区间），relu区别
9）baging和boosting区别
特征工程常用方法：
4.腾讯-----2017年9月22日
一面：
1）自我介绍，对项目提问
2）有序数组，输出连续出现次数大于K的所有数
3）真的忘记了
5.顺丰----207年9月23日
一面：
1）自我介绍，各种问项目
2)介绍下CNN
3）介绍LSTM，LSTM与RNN区别，现场画
4）如何防止过拟合
5）激活函数有哪些？什么作用
6）会用Python吗？用过哪些包？ --TensorFlow，karas，sklearn等
7）介绍Apriori算法，结合我的项目来说
8）还用过哪些机器学习算法？
9）你的优点是什么？
hr面：（不愉快的面试）
1）自我介绍，简单问了下项目
2）最大优点是什么？你有别人没有的
3）有什么要问的？
6.华为-----2017年9月26
1）Java容器有哪些
2）数据正负样本不平衡怎么解决
3）如何处理数据异常值或者确实值
4）如何做特征选择
5）又不记得了。。。
几个经典问题整理：
1）请说一下PCA原理
2）解释一下SVM核函数的定义与意义
3）阐述一下L1正则和L2正则的区别
4）LR可以作为线性分类器吗？