两轮技术骨干，一轮技术总监，最后CTO，然后hr。总共四轮技术+hr，还是小有收获的。
总体觉得面试问题灵活，难度中和公司业务衔接的知识点结合强。下面说下具体的流程：
一、一面
1、两道代码（时间复杂度）
2、k-means的伪码（提及了EM）
3、项目有挑战的地方，调参
4、讲解word2vec
5、大致谈了下深度学习
6、偏差-方差分解，过拟合和欠拟合的措施，提出了L1和L2正则，说明为什么L1比L2稀疏。
二、二面
1、编代码（动态规划，代码检查以及异常处理非常有必要）
2、logistic回归的损失函数以及讲解
3、避免过拟合的措施，在统计领域对权重怎么控制（机器学习上的正则和惩罚项，统计上的假设检验）
4、如果有新的流数据过来，怎么更新模型（可以采用随机梯度下降，计算增量更新权值）
5、怎么确定某个特征项和类别之间的相关度（互信息（熵）公式，原理，还有什么？）
6、XGboost了解吗
7、讲小论文
三、三面
技术总监
1、三面主要是介绍实习的项目，通过项目了解你的业务逻辑。这部分答的不好
2、最后聊了很久公司的业务点
四、四面
CTO是北大博士机器学习毕业的，又发了好几篇厉害的paper，后来在微软待过
1、可能学术性比较强吧，上来直接让手推SVM，带上松弛因子
2、然后具体讲了下SMO解决凸二次规划问题的优势，对比梯度下降和牛顿法、拟牛顿法
3、最后介绍公司怎么用机器学习结合业务，从数据中挖掘信息
说实话推公式还是很艰难的，脑袋其实到四面就很累了。好在之前自己动手推过，虽然时间久了点，大概流程还记得。在CTO的纠错下，勉强推完了。SMO算法也只是简单了解过，所以大致思路讲下来了，具体涉及不深。面试官很仔细的讲了它来自哪篇paper以及改进，还有发明这个算法的人。。
五、hr
聊了下薪资待遇，说是沟通下再给回信（已通知，但还是纠结校招，如果七月份就好了）
最后总结下比较可控的因素在面试中：
基本礼仪不说了
1、互动
互动很重要，编程题答不上来没关系，但一定要积极的去想解决，根据面试官给的思路一步步回应，不懂就诚恳的问。
2、细心
写代码一定要清楚面试官是不是让你写伪码，不是的话就有必要写上异常处理以及return和函数头部。而且写出的算法或者提及的时间复杂度都要知道，会问。
3、引导
虽不能说主导，但这方面是有点可控的，学会引导面试的进程，主动说出你最近学的啥，你比较擅长啥。
4、最后一个问题
通常会问你有没有什么可问的，一定要问，不管是公司业务还是自我的提升，表现出感兴趣。