美团点评面试经历，面试地点：武汉，面试岗位：机器学习/数据挖掘工程师。
总共有4面，3轮技术面+1轮HR面，我跪在了三面。以下是每一面提出的一些问题，我只写了自己能回忆起来的一部分问题：
一面
1、编程题：给定一个int数组，在数组中取J个连续的数，求着J个数能组成的最大的和是多少？其中这J个数两两之间的索引间隔最大可以为K，当K=1时表示数字之间必须连续。
例：给定数组{1,2,3,4,5,6,8,7,9,10}，当J=3，K=1时，结果是选取（7,9,10）三个数，最大和为26。而当J=3，K=2时，结果是选取（8,9,10）这三个数，最大和为27，这里数字8和9的索引间隔为2。
2、GBDT跟普通决策树的区别在哪里？（我的疑问：GBDT是用了Boosting的思想吗？）
3、AUC和ROC曲线的概念？如何绘制？他们与查准率和查全率相比的优点是什么？
4、除了AUC和ROC，还了解什么其它的推荐系统的评价指标？比如说MAP？
5、如何识别标题党类的低质量文章？
二面
1、编程题：给定一个int数组，要求将能被3整除的所有数字排列在数组左侧，其它所有数字排在数组右侧（不用管数字的大小顺序），要求空间复杂度是O(1)。
2、对于标称值类的特征，应该如何处理？（独热编码）为什么一定要这样处理？
3、为什么集成学习的泛化能力强？为什么多个基分类器融合之后的泛化能力会提升？
三面
1、有没有阅读过xgboost的源码？
2、BiGRU+Attention的原理？
3、Word2Vec中，CBOW训练词向量时神经网络的loss是什么？