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~~