以下内容来自于应聘者回忆整理

【一面】（视频面试）

1、自我介绍

2、介绍实习项目

3、knn 的步骤和时间复杂度

首先对于任何一个目标样本，为了做预测需要循环所有的训练样本，这个复杂度为O(N)。另外，当我们计算两个样本之间距离的时候，这个复杂度就依赖于样本的特征维度，复杂度为O(D)。把循环样本的过程看做是外层循环，计算样本之间距离看作是内层循环，所以总的复杂度为它俩的乘积，也就是O(N*D)。

时间复杂度高的根源在于样本数量太多。所以，一种可取的方法是从每一个类别里选出具有代表性的样本。

4、 svm 的优点和缺点，和 LG 做对比

优点：（1）可解决非线性问题 （2） 可通过主观设置幂数来实现总结的预判 

缺点：（1） 对于大数量级的幂数，不太适用（2） 比较多的参数要选择 通常只用在已经大概知道一个比较小的幂数的情况

5、 问 RF 和 GBDT 的特点和对比

6、写了一个小代码，括号格式对不对和 topk

7、反问

【二面】 （视频面试）

1、自我介绍

2、实习的收获

3、除了 caffe 还会什么

4、写个代码，栈实现 pop、push、max、 min 、avg，内存不够怎么办

5、平时怎么自学的算法，除了深度学习，机器学习会哪些

6、实习的时候压力大不大，以及期望的工作地点

【三面】（视频面试）

总体情况：HR面

1、自我介绍

2、介绍自己的优势

3、 实习的体会和收获

4、实习遇到不舒服的事

5、别人对自己的评价

6、平时怎么学习的

7、未来两年的计划

8、期望工作地点，和期望薪资

9、反问

想要获得更多360的实习、校招机会，请点击这里