滴滴出行2017校园春招内推面试（一）

之前经历了HR的两轮邮件轰炸之后，终于在今天下午四点如约接到了滴滴面试官的电话=。=献出了本年度校招处女面=。=

1.
自我介绍，大概说一下个人背景和研究方向；

2.神经网络初始每条边训练出来的参数权重如何初始化？（我答的是随机在-1到1之间） 追问为什么不能所有的赋成1？ 神经网络训练出来的是全局最优解吗？

3.
LR模型的好处，相对于其他的同类算法来说有什么好处？
LR逻辑回归是分类算法还是回归算法？ 还了解其他的分类算法吗（答了有KNN，就开始问knn的问题了） KNN大概的步骤和做法是什么，如果给了数据集和label的话？
在什么情况在用LR比较合适，或者说比其他的算法合适？ 逻辑回归和线性回归的区别？

4.
算法-数据结构方面了解的多不多，对什么排序算法有自己比较深的见解（我答了都可以，然后他就出了一道排序的问题） 如果说有一个长度为m的整数数组，有m个整数组成，每个数的取值范围都在0到n3之间（前闭后开，整数间可能会有重合）（我答了桶排序，问了时间复杂度是多少，之后一直在纠结，面试官一直暗示我n3是开区间能不能得到什么启示） 了解的线性时间排序有哪些？（很蠢的回答了堆排序、插入排序，但好像不是，为什么这么蠢。。天哪。。。）

5.
C++的问题，类的虚继承主要解决的是什么问题，举个例子来实现虚继承。好处是什么？ 在学校里有没有做过C++或者Python代码量比较大的比赛？

6.简单讲一下参加的Datacastle比赛的具体内容（开始balabala的讲），用的是什么模型，用的是什么库，第一次训练LR的结果有什么用？特征选择调用的feature-selection库的输入和输出是什么（把样本的特征和标注直接用进去），了解其内部实现吗。模型的原理，你怎么知道目前差在什么地方，如何诊断。怎么提升后面的指标，还是真的有办法或者明确的迭代方向。 如何判断一个模型是不是过拟合（假如没有baseline怎么办），交叉验证是怎么做的。

7.对自己未来的规划是什么样的。

8.有没有看关于Hadoop等大数据方面的东西，Spark目前会用吗。 （中间又讨论了一下关于前面的数组问题，最后还是提醒我在n3上做文章，可惜最后没有想出来）

9.滴滴的一个实际问题，有司机的轨迹信息，对于具体的订单来说怎么去精准的确定乘客在哪个位置上车的。（大概说了一下可能会有重复的路径，通过重复点和重复路径去挖掘位置信息，还是司机和乘客在程序内的信息交互等）

总之处女面，表现的不那么尽如人意，也不期望能拿到二面资格（如果拿到了，我撤回=。=）而且在C++和数据结构方面准备的还不够充分，得多刷刷基础和面经，多多加油啊=。=