第一天随笔
作为一个弱渣，现在开始要做好学习笔记，争取当一个高level的弱渣。虽然离正式当社畜还有一年的时间，但是没想到从3月份到现在6月份了，我竟然一个暑期实习Offer都没拿到！前期3~4月份可能是因为疫情，所有简历石沉大海。但是从5月份开始，逐渐接收到面试邀请（前期迷茫各种乱投岗位，约面试的都不是心仪的🙃），今天终于第一次面试纯算法岗位的实习生（机器学习实习生）。果然，弱渣是不可能逆袭的，被虐得体无完肤。
好吧，那我就来记录下哪些问题被问得哑口无言，之后学习完写在日记解决补上。
1）在实现分类的过程中，遇到数据不平衡的问题应如何解决？可以拿KNN或者K-Means举例。 (作为一个只关注算法效果优劣，每次都尽可能使用完美数据集的弱渣，怎么可能知道怎么解决🙂)
2）使用KNN或者K-Means时，遇到数据过拟合的问题如何解决？（过拟合？为什么我没有遇到过，是我平时测试的数据集太完美了吗？还是因为我从来没有关注过分类后过拟合的问题？🤔）
3）了解集成学习吗？(Of course 不了解🙃，除了听过随机森林，我还知道些什么)
4）对于机器学习，了解多少？有学过GBDT吗？（打扰了，我只听过这个缩写名字😨）
问完以上几个问题后，估计面试官已经认出我弱渣的本质。于是，匆匆结束话题，让我等HR通知。
其实在面试之前我也不是完全没有准备的。我已经准备好要解说什么是LSA、LDA或者关于协同过滤、模型评估等关于我研究方向的问题。然后，万万没想到，会的都不问，问的都是不会的🙄。这种运气差的体质真是从小跟到大，逼迫着自己必须完全靠实力。
Anyway，从零开始吧~~
