第一輪面試是視頻面試，通過騰訊會議，首先是3分鐘的自我介紹，然后問了一些前端的技術(shù)問題，但是感覺面試官問的問題深入度不是很夠，沒辦法很好的展示自己所掌握的技能，基本是一些框架和組件如何使用的問題，比較順利的完成面試，整個過程大概25分鐘左右。

第二輪面試給我的體驗很差，在面試中感到非常強烈的被敷衍了事的感覺。
通過微信群視頻的方式面試，面試前和HR同事確認過第二輪也是技術(shù)面，
有兩個主任級別的面試官對我進行面試：
首先是3-5分鐘的自我介紹，完成自我介紹；
其中一位面試官問了Vue響應(yīng)式的問題，因為我自己手寫過Vue的簡單實現(xiàn)，所以認真的回答實現(xiàn)的原理及相關(guān)細節(jié)，但是在面試過程中給我的感覺是，面試官并不是前端方向的leader，對于我的回答表現(xiàn)出了聽不懂的感覺，同時也沒有對我的回答進行追問。
另一位面試官并沒有提出崗位相關(guān)的問題，只是問了下當年高考失利的原因（專升本學(xué)歷），我也做出了簡單的回答；

面試結(jié)束，全程不足10分鐘。
面試結(jié)束后三天后，兩次向HR咨詢面試結(jié)果，但都沒有回應(yīng)。

作為應(yīng)聘者，對這樣的消極面試感到很不滿，因為問題并不能體現(xiàn)出個人的專業(yè)水平；
同時作為招聘方，如果貴司對學(xué)歷有硬性要求，請在崗位要求中明示出來，最好針對實際開發(fā)場景準備一些能體現(xiàn)出應(yīng)聘者能力的面試題。
這是對雙方的基本尊重。

中國-東盟信息港股份有限公司W(wǎng)EB前端開發(fā)工程師面試題

Vue雙向數(shù)據(jù)流是怎么實現(xiàn)的？
大致介紹一下Promise的原理？
Vue的生命周期鉤子有哪些？
你所知道的基礎(chǔ)數(shù)據(jù)類型有哪些？

贊一下(0) 踩一下 查看面試題參考答案>>

面試官是位有點兒小帥的男性，酷酷的不茍言笑的樣子。在問完實習(xí)項目后先撕了代碼，用棧實現(xiàn)隊列。其實有在leetcode刷過這題，但只后悔當時刷得不認真，沒有細究其中的細節(jié)，這里踩了一個坑。面試官顯然不滿足于我最原始的兩個棧的方法，對時間復(fù)雜度提出了更高的要求，在面試官的提醒之下才寫出了最優(yōu)的算法（大概花費了幾分鐘的時間）。

中國-東盟信息港股份有限公司推薦算法工程師面試題

1、XGBoost 的特征重要性是如何得到的？
我說了根據(jù)每個分裂點的特征加權(quán)求和的方法，不過說得有一些問題。
這里面試官有在嘗試引導(dǎo)我，問了我 XGBoost 是如何分裂的，于是我又說了依據(jù)信息增益，遍歷特征，遍歷特征分裂點，以 exact greedy 和分位數(shù)兩種方法進行查找。
我一直以為這里的特征重要性的權(quán)重是依據(jù)特征離根節(jié)點的遠近來計算的，后來一番探討之后我自己意識到這種說法是有問題的。面試官主動告訴我特征的權(quán)重就是信息的增益。
2、面試官有問我實習(xí)中隨機森林和 lightgbm 的一些參數(shù)，我憑著記憶如實說了。這里就引出了第二個問題。我說隨機森林的每棵基決策樹都是不剪枝的，通過取均值而達到避免過擬合。而面試官提出隨機森林的基決策樹也是需要剪枝的，于是面試官讓我分析一下到底隨機森林可不可以剪枝。
從誤差上來看，剪枝的模型偏差會大一些，而方差會更小。不剪枝的模型偏差小，方差大。
然而隨機森林的 Bagging 思想本來就是靠取均值來達到降低方差的效果，因此不剪枝的模型方差也未必會很大。反倒我覺得剪枝了的模型會有欠擬合的風(fēng)險，因為每棵決策樹都不一定能擬合得很好。

贊一下(0) 踩一下 查看面試題參考答案>>

三個面試官，先自我介紹，然后面試官提問對某些業(yè)務(wù)方面的問題，三個面試官都會從不同角度問題提問。

中國-東盟信息港股份有限公司1出納2統(tǒng)計員面試題

請問你對資金計劃管控的理解，從哪個角度切入能夠更好的做好資金計劃，如果發(fā)生超預(yù)算支付怎么辦，計劃還未批準有款項急著要支付怎么辦

贊一下(2) 踩一下 查看面試題參考答案>>