以下内容来自于应聘者回忆整理

很多同学都想得到360的实习或者校招机会。那从过来人的角度谈谈，要通过360的实习、校招面试，都有哪些经验和注意事项呢？今天就跟大家分享一下。

总体情况：面了三轮，两轮技术面，一轮HR 面

【一面和二面】

1、一面二面开始自我介绍完，开始聊科研， 还有滴滴算法大赛

2、主要问的是用到的几个机器学习的模型(rf,gbdt,xgboost)， 问了些模型之间的区别

3、特征工程的一些知识，基本就像在聊天。

4、没有问其 他的基础知识

5、一面问了个开放性题目，即如何判断评论是正还是负

6、具体的科研和项目中的一些细节。

7、写个算法题，算法题就基本的数据结构里的

8、编程题：一个数组如i2，RF，GBDT，xgboost 的区别 

9、过拟合表现和如何解决

显著减少测试误差而不过度增加训练误差，从而提高模型的泛化能力。  

10、L1，L2 正则的区别

• L1减少的是一个常量，L2减少的是权重的固定比例
• L1使权重稀疏，L2使权重平滑
• L1优点是能够获得sparse模型，对于large-scale的问题来说这一点很重要，因为可以减少存储空间
• L2优点是实现简单，能够起到正则化的作用。缺点就是L1的优点：无法获得sparse模型

【HR面】

1、为 什么保研没有选本校

2、如果给 offer 你有多大的概率能来

3、如何学习算法和数据结构。

想要更多360实习、校招的机会，请点击这里