没有想到在选offer上这么难，希望能选到一个好结果吧

再最后冲一次，加油！牛哇冲

抖音推荐，加油

要学着理解（奇怪的一切事物包括：泡池子kpi面笔试爆炸hr面被pua和无尽的等待）Peace & Love只要我心态够好，秋招就伤害不到我

许愿美团oc

刚面完 8.26 47min 二面 感觉又是一个聊天面，感谢昨晚自己洗了头(just joking...)   自我介绍，说了下背景，主要说了两段实习的项目方向 面试官反问第二段实习做的东西，可能他不关注就没问了 让我讲第一段实习的几个项目，遇到了什么问题，主要还是考察我解决问题的逻辑思路以及如何解决的，这块我其他的面经有比较详细提到，项目复盘很重要！逻辑一定要很严密，自己项目涉及到的模型方法八股大家一定要滚瓜烂熟，甚至对该项目优化前景，缺陷如何改良都要有了解（多读论文 针对我的项目对半监督学习发问，讲做过的几个模型，优缺点，解决问题的思路，实际遇到了什么困难又是如何解决的 场景题，组里应该是...

8.9号 36min 一面感觉着实被刷kpi了，不过代码题大家可以练一下 流程问到的写下吧   自我介绍，主要讲项目 然后讲完就问了我做没做过推荐（其实肯定是了解的，但是由于不想骗人斩钉截铁说了没做过，然后感觉面试官就有点不乐意的样子了 面试官尝试从我的项目里挑了一些场景+八股问（但拐来拐去都到了推荐上，但还是能答上来的，涉及到的八股有： 跑过什么模型，用的什么损失函数，为什么这么选，网络结构怎样发现部分异常，怎么改进的，梯度爆炸的问题有遇到吗，如何缓解，过拟合如何解决，一般用什么评价指标，怎么看 针对上述我举一个我的项目例子回答: CNN，MSE，对异常敏感，收敛速度比较明显的变缓且部分we...

8.6 60min 钉钉电话面的    基础的流程给大家先回忆一下：   自我介绍 开始问简历上的项目，到八股，涉及到的nn梯度问题，RNN&lstm结构问题，记忆功能的实现，损失函数有哪些 就简历的时序特征问题和我讨论VAE，以及特征工程我都怎么做 卷积怎么计算，做过的项目的反卷积优化的问题，，主要我讲 问熟不熟悉tf，知不知道sequential类和model类，平时的模型会用到哪些层，原因，出现XX情况我怎么调整的，原因 python为什么不用打括号，java和c++为什么需要，说到了编译的问题，继续问我编译原理，，说不出来了，，， 聊了下学业，学校做过的研究，实习经验，也问了下...

8.14一面 1h     自我介绍  随便说了下项目，感觉这个面试官不是真的技术面试官，没有怎么问，直接让做题  第一题实现avg-pooling，有个要求就是边缘不够的直接剩下的所有做avg（就是像padding填充空值）  第二题打印二叉树各层节点均值  第一题写的坎坷，一开始写的比较冗余她说直接写下核心的计算就可以，然后写了两个for，但是pooling这里说我的写的不对。。。（她的意思是要像卷积一样的stride我说我觉得不对吧。。anyway      第二题很快a了她还走神了   然后反问环节，我问了组里业务，问了双减有什么影响。回答，组里会有三个方向的面试官看我的录屏决定我的方...

7月份面的了，现在为了冲周边来写一下>.<      一面 1h30min，ps面试官是个小姐姐     自我介绍  根据项目问八股：常用的损失函数，如何选择，LR是怎么算的，NN的系列问题，讲了一个自己项目的网络层怎么搭的，怎样调整的  半监督学习在推荐上的应用，详细听我复盘了有个在这块无监督学习改良的算法  项目用到了AE，问了我VAE里V怎么回事，KL散度的相关问题  问了我GNN，我有点记不清了，随便说了说（个人感觉GNN在推荐里应该会容易问  大量级的实时数据的采样问题，数据不均衡的问题，bagging  在线模型的一些时延性带来的要求，这块主要是问我做的项目是怎么去做了...

8.18面的40min，记性不好，先写一些想得起来的 面的比较随意，不知道是不是不想要   自我介绍 聊项目，深入到问为什么会选择CNN，讲了内部联系的问题 聊项目，问到所有的树模型，让我讲RF和GBDT哪个更容易过拟合 聊项目，NN出现的过拟合问题，如何解决；confusion matrix以及一堆衍生指标我平时做实验怎么看，为什么 RNN和LSTM对比，实现优势的原理；模型中出现局部的问题怎么判断，如何解决 特征工程这块，问我一般怎么处理的，平时有哪些处理思路，为什么有的模型要求高，还问我知不知道特征穿越带来的上线问题 数据分析这块问我遇到过什么问题，怎么解决的，还有数据增强，然后还问了一...

百度40min，不用我写码，挂了。美团40min，说不用我做题了，希望过了。

心疼自己，希望能过吧