腾讯一面应用研究-机器学习
1. 扣简历的项目，扣的很细
2. xgb，rf，lr 优缺点场景。

真的逢面必问，有不了解的可以留下评论，我可以提点拙见，最好还是自己去网上扣一下这题
3. 算法题，单链表判断是否有环(leetcode easy)，以及判断环入口
4. 算法题，给前序和中序，求出二叉树
5. 是否写过udf，问udaf，udtf 区别和一些细节
腾讯二面应用研究-机器学习
1. 扣项目，问简历，其中涉及的算法和上面差不多
2. 问推荐算法，fm，lr，embedding
3. 算法题，10 亿个32 位正整数，求不同值，只给1GB 内存。

我只答出来4GB 的情况，时间负责度还不是最优的，所以稳稳凉了，如果有人知道怎么解1GB，求回复，感谢
腾讯三面应用研究-机器学习
1. 算法题：topK 给出3 种解法
2. 算法题：二叉树的最大深度和最小深度
2. 协同过滤的itemCF，userCF 区别适用场景
3. 扣项目，问简历，其中涉及的算法和上面差不多
4. 对项目中一些技术选型产生质疑，并友好的一起讨论了这个问题
5. 推荐系统的大概步骤，解决冷启动。

腾讯四面应用研究-机器学习
最后技术总监面，onsite
1. 算法题：名人问题，给出最优解法
2. 问了一下项目和简历
3. 自我评价优缺点，怎么改进
4. 描述一个算法项目从kickoff-落地的全过程
腾讯五面应用研究-机器学习
总监面完立刻就hr 面了
hr 面就是常见的问题，城市啊，薪资待遇啊，对部门的评价，对总监的评价
然后就在系统中提示offer 报批中。