美团网机器学习面试经验

三轮技术面，下午6点半一直持续到晚上11点多，总体上还不错。一面主要是一些机器学习方面的传统算法，二面深度学习相关，三面大数据相关。

实习岗位我自己选的机器学习，因为自己论文主要做的是运筹优化的，所以简历的研究方向是运筹优化，因此面试的主要内容也就是跟优化相关的内容。 1.自我介绍； 2.PSO跟SA的区别、PSO跟DE的区别 （我有一篇跟PSO有关的CCF B的论文）； 3.代码[4,5,6， 1,2,3 ] 找到两段有序数列的分割点，先说了个顺序查找 O(N) ，然后说了个二分查找 O（logN）并实现聊天： 为啥不读博、家那里的、实习时间。 二面 4.30 1.自我介绍，论文，项目； 2. java Map有哪些实现，hashmap 复杂度，最坏情况。 3. 如何防止优化过程陷入局部最优？我拿tabu search 以及 ACO with Tabu 为例解释了下防止陷入局部最优的思想，平衡两个E， exploration and exploitation； 4，为外卖配送系统建模，说一下这个VRP模型的特点多目标、多约束（capacity、time window ..） 5.代码 实现Math.sqrt（）二分法牛顿迭代法，其实可以当做一个优化问题来做，泰勒展开的一阶或者二阶逼近真实值。 三面  1.没有自我介绍，直接就问了点论文的算法，讲解了一边自己论文提出的techniques； 2.实习时间； 3.最近在做的事情。

美团2022届校招 机器学习/数据挖掘岗视频面试 一面时长约50min首先询问了对无监督学习和深度学习的了解，然后主要考察的还是传统机器学习算法。LR讲自己的理解，损失函数过拟合和欠拟合，如何解决随机森林（比较细）xgboost, lightgbm的比较

下午3点开始面试，一直到晚上6点30，面了3面，一面问了LR、SVM、RF、XGB、LSTM写了两道代码题，都是力扣上面的，二面是一个博士，主要讨论了一下我写的论文，问了一道LR解决实际场景题，三面Leader面主要是简历里面的东西。

基本情况逻辑回顾 决策树编码实现inner join编码实现最大公共子串编码实现快速排序 还有什么问题吗

总共面了三面，总计4个多小时，问的问题比较杂，工程、算法、大数据都会问到，每一面都会涉及到基础编程题，前2面都还可以，最后一面编程题没写出来（寻找二叉树最近公共父节点），刷题还是不够多，挺遗憾的。