本文用于记录这几天口试下来的一些流程和心得体会，重点记录XXXX部门的三场面试，理解自己的上风，更主要的是创造自己的不敷，以便在日后针对性的加强学习和进步！
主要的事情说三遍，转发、转发、转发后在私xin【口试】即可得到全套获取办法！
轮数
口试类型
口试办法
口试时长(min)
1
技能面
视频
30
2
技能面
视频
60 - 70
3
HR面
电话
20 - 30
1.1 技能面（14:00 – 14:30, 15:30 – 16:40, 30/Aug.）1.1.1 自我介绍首先是一段自我介绍，自我介绍内容可以只管即便简洁，只涵盖和自己及岗位干系的框架，便于口试官在我们陈述过程中抓取感兴趣的内容，拓展开来提问；这个时候不须要慌张，可以随时终止自我介绍，针对口试官的提问，详细展开，分点描述。如果一开始就事无年夜小的把自己的各种爱好特长科研经历的细节逐一陈述，不仅摧残浪费蹂躏韶光，更会损失重点，更主要的是，会给口试官留下主次不分，没有条理的坏印象。
1.1.2 话题来源
从几次的技能口试经历来看，除了口试官准备好一定要问的问题之外，问题来源一样平常有三：
自我介绍；个人简历，主要性依次为：项目经历 > 专业技能 > 专业课程；在详述某个内容或项目时，提及的口试官兴趣的某个项目或技能；从某种意义上来说，准备好自我介绍，负责雕琢简历(在此特殊感谢一位学长给我简历上的辅导！
)，以及对项目的管窥蠡测，就已经主导了这一场面试的大部分谈论话题！
1.1.3 互动办法
两次技能口试除了在时长上面有所差异，口试内容问题差异不大，但是根据技能口试官个人的喜好和性情，呈现出两种不同的口试风格。个中：
一壁方向于口试官提问 -- 我来回答的模式，口试官本人不会对我的回答进行详细的评价，而是立即进行下一个问题的谈论；二面方向于口试官提问 -- 我来回答 -- 双方谈论的模式，虽然口试官在我回答之后同样不会给出精确答案，但是会针对我的回答进行一定程度上的互动，例如：阐述该问题在专业领域的主要性阐明该问题涉及的干系技能对问题进行略微的改动，不雅观察我的迁移学习和反应能力1.1.4 口试问题由于当时没有特意记录，这里全凭影象整理一些印象深刻的问题。
a. 根本部分先容自己平常用到的Linux命令；先容什么是继续和多态；先容Numpy常用操作，如何对矩阵进行转置；先容Pandas常用操作，如何筛选数据；如何反转输出字符串；什么是列表推导式；b. 数据部分是否对大量数据或者经典数据集进行过数据预处理(数据洗濯/数据筛选等)，如果有请详述操作流程（由于没有实际数据处理履历，我只先容了当初学习过程中如何对Boston房价和Wine数据进行洗濯和预处理）；先容常用的SQL措辞，如何显示所有字段，如何拼接表单（由于我对数据库仅限于理解最根本的操作，因此我只回答了我所知道的最基本的几个数据库语句，对末了一个拼接表单的问题，我直接说确实不会做。在这里说一下，如果碰着自己不会的题目，是很正常的事，直截了当地说不会就行，然后最好可以说一说和它干系但是自己又相对熟习的其他东西，口试官不会由于我们哪个知识点不熟习不理解而通盘否定我们的——当然条件是不要问啥啥不会[笑哭]）；用Scrapy框架爬过哪些网站，分别用过哪些技能，各个网站都有什么各自的特点（详细说一说各大网站的反爬虫特点，以及自己的应对方法，有做过大略项目的华也可以针对自己的项目进行陈说）；是否理解Python的异步和多线程，用过哪些干系的库（这里我提到了自己做过的动态代理池项目，Github / 博客条记，详述了全体项目的框架，然后通过个中一个异步模块顺带就回答口试官的问题）；用爬虫获取的数据有什么用场，是否运用于机器学习（这一题我也是如实回答，没有对爬虫获取的数据进行过实际的运用，由于当初是在学习爬虫的各种技能，关于数据运用和挖掘这一块我尚且没有进行过实战）；c. 机器学习 & 深度学习理解哪些经典机器学习方法，针对某一两个进行详述（我在实验室项目中用到过SVM，因此详细说了下SVM的事理，以及是如何调参的；二面也问到了这个问题，但是口试官又主动问了我决策树/CART/GBDT的事理和特点，但是遗憾的是我对决策树只理解最基本的决策树和剪枝等对抗过拟合的方法，CART/GBDT两个我直接说目前还没有深入理解，同时我又描述了一下我相比拟较理解的随机森林，利用的Bagging和Adaboost，继而在口试官的哀求下，又详细说了一下Bagging和Adaboost的事理和效果）；用过Tensorflow框架搭建过哪些模型，简述模型搭建的过程和步骤（我目前也没有针对实际运用搭建过模型，就说了最经典的MNIST的全连接网络模型以及CNN模型，分别先容了全连接和CNN模型的搭建过程）是否理解CNN和RNN，简述其特点，以及为什么要用这两种网络（我对付RNN目前还不是特殊理解，因此针对CNN进行了详述，包括卷积层 / 池化层的浸染和上风，stride的选取，参数数量的改变）；先容Dropout的浸染和意义；什么是过拟合和欠拟合，过拟合的应对方法有哪些（应对方法我紧张说了三个：增大演习数据集的规模 / 演习提前停滞 / L1和L2正则化；这之后口试官又让我说一说L1和L2正则化为什么能起浸染，以及他们各自的特点，我说到了网上一篇文章用二位坐标轴来阐明的，口试官笑着说他也看过这篇文章，然后相互心有灵犀我也就没有连续阐明下去）；是否不用深度学习框架编写过网络模型（我先容了一下当初随着吴恩达老师的视频课程，用纯Python搭建过识别猫的图片的后向传播神经网络，并简要先容了一下模型的架构和浸染）；d. 数据构造与算法详述快速排序的事理和过程；利用快速排序找到数据中第K大的项（这题我一时半会没有回答出来，不过和口试官互换了我的思考过程，口试官也会和我进行一定的谈论，从而判断我的逻辑是否清晰）；e. 逻辑思维有一个村落庄里有n个人，个中一人是明星，其余(n-1)个人是普通人。个中，明星不认识除了自己之外的任何人，却被所有普通人认识；而普通人之间有可能认识或不认识。为了找出这个村落庄里的明星，我们可以向上帝提问：A是否认识B，上帝会给我们精确的答案——这个操作须要O(1)的韶光本钱。请给出耗时尽可能少的方案。上一题的变体：有两个明星，明星之间相互认识；有两个明星，明星之间相互不认识；有两个明星，个中A认识B，但B不认识A；有(n-1)个明星；。。。这道题目和它的变体很多乃至不存在精确答案，口试官须要我们一边思考一边展示我们的思考过程，也便是办理实际问题的一个思路。1.2 HR面（16:30 – 17:00, 31/Aug.）前两部分技能口试通过之后，剩下末了的HR口试。HR口试紧张稽核我们的入职意愿，韶光安排，爱好性情等等软实力和第三方成分，由于个人差异肯定较大，因此在这里不做谈论～把稳一点就好，便是要给HR留下几个印象：我很希望入职，我是一个阳光上进刻苦聪明的人，并且我有韶光精力参加演习，并且不会溘然离职。这句话当然不能够直接说出来，要在和HR的交谈中透露出来就行。
2 一些想法和日后的学习操持有待补充。
如果须要获取到这个【口试指南、核心知识点整理】文档的话帮忙转发一下然后再关注我私信回答“口试”得到获取办法吧！