這是騰訊遊戲安全策略崗的二面,這麼久才寫出來,是因爲已涼且題目太窄,不具有通用性,拖到現在才進行整理。
二面與一面驚人的類似,始終圍繞遊戲展開,這次換成了英雄聯盟…
主要內容
- 假設有充足的視頻資源,如何從視頻中判斷玩家是否掛機或送人頭?
- 問掛機與送人頭的場景通常是怎麼樣的?
- 如果是無標記樣本或者有少量樣本的情況,又該如何做?
在cv領域,這兩種情況比較前沿的解決方法分別有無監督分類和自監督學習。不過這題也可以理解爲訓練樣本不足該如何做的問題,這就可以從模型和數據的角度去找解決方法,模型方面就是常見的防過擬合方法,數據方面就是數據擴充技術,視覺領域還可以有遷移學習的方法。 - 新特徵如何生成以及特徵選擇?
可以深入瞭解樹模型。樹模型能夠生成新特徵,具體應用如GBDT+LR;也可以用於特徵選擇,如決策樹就屬於嵌入式特徵選擇方法,樹的生成過程會對特徵重要性進行度量。 - 假設掛機與送人頭有一定時間順序關係,但只有掛機的標記數據,又該如何做?
考察序列預測??? - 假設有另一個與英雄聯盟相似的場景有很多標記數據,如何遷移到英雄聯盟中來?
考察遷移學習,其實是第3問的一個解決方法。 - 如何設計一個圖片搜索系統,在海量圖片中找到匹配度最高的圖片?(挺有意思的應用)
參考資料:
基於VGG-16的海量圖像檢索系統(以圖搜圖升級版) - 大樣本情況下,距離度量公式該怎麼修改?
結語
我並不適合騰訊的這個崗位,所以掛了並不覺得可惜,只是本來想選的騰訊音樂事業部,結果由於內推弄成了其他部門,這造成了一次機會的浪費,十分可惜。
如果覺得不錯,請素質三連哈~~