腾讯

上来就是自我介绍，熟悉的套路。然后就是针对简历上的问题提问，主要是问项目经验，由于本人有通信软件的开发项目经验，又是报的软件开发岗，所有问题基本全是关于做的仿真平台的，从主要架构开始问，然后具体到里面每个模块怎么实现的，也让画了系统框图。有项目的一定要提前把自己做的项目熟悉一下，临场发挥不一定有平时好的。期间一个面试官扯了FPGA，可能他是做这方面的吧，说我这个跟嵌入式有关，其实没有关系的吧。      最后快结束的时候让我写出函数指针，本人写了这个 int (*)(),HR看了一下就又问了一些简历上的问题，说我其实也适合做算法，我说本人还是觉得软件开发比较有意思，（其实是想说如果不是软件开发君的话，很没有把握会选择中兴呢）一面就这么愉快的结束了。

一面： 1. 进程和线程的区别； 2. Xgboost如何处理缺失值； 3. Xgboost和gdbt区别； 4. Python多线程如何使用； 5. Python哪些函数用到了迭代器； 6. Xgboost并行化体现在哪。 二面： 1. 数学建模竞赛（目标函数怎么写的，怎么求解的，为什么能用这种方式求解）； 2. 讲下模拟退火算法和贪婪算法； 3. 随机森林和gdbt的区别； 4. 随机森林为什么采用有放回的方式采样？为什么能降低方差？ 5. 讲下Bootstrap抽样； 6. LR采用什么方式抽样？有放回还是无放回？为什么？ 7. LR损失函数推导，为什么能这样构造？这个损失函数代表的含义； 8. 假设有正负两类样本，用LR去划分有什么缺陷？ 9. LR和SVM比较； 10. L1和L2正则项的区别； 11. 对于线性模型，若初始化不同的w和b，加入L1和L2中的哪个正则项可以使得预测值更加稳定，为什么； 12. 讲下图计算，深度优先和广度优先比较； 13. 几个深度学习模型的原理（lstm、textcnn）； 14. 撕代码（用深度优先）dict中查看某个值在不在key的value内。