字节跳动 机器学习实习生（反作弊）面经

03.29 面试 + 03.31 HR面 字节跳动 机器学习实习生（反作弊）面经（04.02 OC）

03.29终面

问题

• 判别模型和生成模型

  • 从属性X预测标记Y
  • 判别模型求P(Y|X)，即后验概率 SVM、LR
  • 生成模型求P(X,Y)，即联合概率 NaiveBayes、HMM

• 团伙识别算法

  • 闻所未闻，按自己的理解答了一种思路：
    • 记录不同流量信息的相似度，例如不同用户在同一设备（强相似）、同一地点（弱相似）等等；
    • 利用该相似度建立不同用户间的带权图G
    • 在G中寻找相似度较高的团伙

• GBDT、XGBoost、Lgb对比

  • 老生常谈

• 项目和比赛相关…

  • 伪标签方法
  • 数据不均衡的解决方式
    • 提阈值、过采样、欠采样、SMOTE
    • 工业界哪种更实用（不知道，答了SMOTE或生成式的伪标签）
  • …

算法

可用的操作包括加减2、加减3、加减5
输入：A和B 输出：最小步数

• 解题思路：
  • 简化到计算abs(B-A)的最小步数——加减对称，只考虑加法和非负数
  • dp
    • 初始化dp[0:5]（因为1和4涉及减法，但简化后只考虑加法，直接初始化构造）
    • 最优子结构dp[i] = min(min(dp[i-2], dp[i-3]), dp[i-5]) + 1

03.31 HR面

问题

• 个人职业生涯发展规划

• 通过实习想获得/发展xx

• 对组内工作是否熟悉（一无所知）