首页 / 算法 / 机器学习算法面经（阿里京东拼多多百度等）
机器学习算法面经（阿里京东拼多多百度等）
内容导读
互联网集市收集整理的这篇技术教程文章主要介绍了机器学习算法面经（阿里京东拼多多百度等），小编现在分享给大家，供广大互联网技能从业者学习和参考。文章包含19467字，纯文字阅读大概需要28分钟。
内容图文
面试职位：机器学习/数据挖掘算法工程师
在网上得到很多宝贵的面试经验
现我也来开帖，分享一下到目前为止的面试经验~~~
本人会一直写到秋招结束，记录下参加的每场面试
如果回答上有什么错误，请不吝赐教哈！！！ 谢谢~~~~
目前内推面了：阿里（一面跪）、京东（offer）、拼多多（offer）、美丽联合（一面跪）、链家（offer）、美团点评（三面跪）
目前校招面了：360（一面跪）、百度（一面跪）、三星研究所（offer）
据说可以攒人品~~~~~
更新线-2018-01-25 15:41---------------------------------------------------------------------------
转眼都到了2018年了。秋招都结束这么久了。最后拼多多也给了offer，不过太晚了，真奇怪这家公司，时间拖了那么久。
招聘结束后，不知道都忙了些啥，就到了这会儿。
前几天想编辑此贴，但被告知，加了精，没法编辑。好尴尬。刚才看到被解开了，这才过来编辑。
鉴于有许多人问关于招聘的一些问题。我就写一些招聘的一些事。包含一些经验之谈吧，用好了有奇效~~~在最后面~
更新线-2017-09-22 17:56---------------------------------------------------------------------------
刚去导员办公室领了三方协议。感觉秋招快要结束了。
唉，腾讯也没霸面上。。。
不过得提一下，三星研究所的效率真的挺高的。刚才打电话说了薪资，让签约。（也算是对周二面试有个交代吧）
效率真心高，而且笔试面试还有福利，送卡管午饭~~~
更新线-2017-09-22 10:14---------------------------------------------------------------------------
尴尬了，前几天犯懒了，没及时更新百度的一面，直到。。。现在还没有收到下一面通知，应该跪掉了。这周二又面了三星研究所。
昨天傍晚，当小伙伴们都焦急的等待华为结果时，我很淡定（因为华为连面试机会都没有给我）。结果收到了意外之喜。
拼多多居然发意向书了，（这公司再不发，都忘了有这一茬了）。毕竟是对自己面试的肯定，还是挺开心的。
秋招快要结束了，霸面腾讯不知道还能不能安排面试，下午领三方~~~
话不多说，百度一面，三星两面奉上。
更新线-2017-09-18 20:54---------------------------------------------------------------------------
上周收到了京东的offer。虽然之前有面试官的口头offer，但是正式offer下来，才安心嘛。
接到offer还是很震惊的。出乎人意料啊。
然后，晚上就吃了麻辣香锅~~~
犒劳自己~
昨天面了百度，第一轮。这是迄今为止经历过时间最长的一轮面试。足足整了1个半小时。
把我都快榨干了，会的几乎全都被问了，不会的也被问了。
不过确实学到很多东西，之前很多东西没有实际做过，只看理论，只是知其然，经过面试官的讲解才明白其所以然。
先去洗澡，一会回来更新~
更新线-2017-09-12 22:37---------------------------------------------------------------------------
上周末收到了链家的offer。还是蛮开心的。毕竟是准备这几个月以来的第一个结果。
当天晚上，就给自己加了一个鸡腿~~~
继续努力，要让自己的能力尽可能接近用人单位所开出的工资的价值
昨天早上搜狗一面，下午美团三面
昨晚百度做崩了。。。有道编程题脑袋秀逗了，搞错了
刚刚做了腾讯的，感觉真是画风新奇啊。跟其他公司那些浓妆艳抹的风格不一样啊。
没有编程，没有编程，没有编程
还有个求行列式的，略微尴尬啊
更新线-2017-09-07 16:56---------------------------------------------------------------------------
早上美团点评二面
更新线-2017-09-05 20:24---------------------------------------------------------------------------
因为要面美团，所以在牛客上找面经。
感觉应该把这几天面的写下来，不能等秋招结束再写了，那样找面经的同学（比如说我~）不就少了一篇面经可看嘛
因为时间紧迫，更新的问题没有详细解答。后面再来补
更新：链家二面、链家HR面、拼多多二面、拼多多HR面、京东HR面、360 一面、美团点评一面
更新线-2017-08-29 14:06---------------------------------------------------------------------------
记录一下链家的面试，本来准备把几面都写完。但发现写完一面，有种精疲力尽的感觉。。。
这是我目前为止经历过时间最长的面试。约1个小时多一点点。
后面再写二面、三面吧。一面够长的了。
更新线-2017-08-27 20:10---------------------------------------------------------------------------
感谢各位大佬捧场，一会记录下今天的面试~~~
西安南雷村职业技术学院
—一个散养的没导师的硕。。。
以前玩大数据，现在玩机器学习，刚开始玩。
开八：
2017-08-10-阿里菜鸟-机器学习-内推-1面-电话
没有自我介绍。。。直接略过。。。
1、讲一下你觉得你突出的地方，有亮点的地方。
说了SVM和LR
2、LR为什么用sigmoid函数。这个函数有什么优点和缺点？为什么不用其他函数？
3、SVM原问题和对偶问题关系？
4、KKT条件用哪些，完整描述
5、说项目
6、有一堆已经分好的词，如何去发现新的词？
面试官给的提示：用这个词和左右词的关系。互信息 新词的左右比较丰富，有的老词的左右也比较丰富。还要区分出新词和老词。
7、L1正则为什么可以把系数压缩成0，坐标下降法的具体实现细节
8、spark原理
9、spark Executor memory 给16G executor core 给2个。问每个core分配多少内存
面试官那边全程嘈杂，不知道在干啥，讨论问题？？
2017-08-11-京东广告数据部-机器学习-内推1面-电话
1、自我介绍
2、说一下进程和线程
说一大堆，再就说之间的区别
3、线程安全的理解
4、有哪些线程安全的函数
5、数据库中主键、索引和外键。以及作用
一个表可以没有主键，可以有索引
6、说项目
7、Spark原理
8、Spark是多线程模式，怎么退化为多进程模式。
在每个executor core设置为1，即每个executor是单线程的。
9、撸代码。实现一个java迭代器
数据：
int[][] data = new int[][] {
null,
new int[] {1,2,3,4},
new int[] {},
null,
new int[] {5,6,7},
new int[] {8},
null,
};
要求：遍历是跳过NULL。依次遍历每个元素：1,2,3,4,5,6,7,8
提示：
hasNext里面不应该改变迭代器内部状态，hashNext只判断
next返回值，并且指向下一个有效元素。
P.S. 面试官很忙，在我写代码的时候。还在跟另一个候选人约时间~~~
2017-08-11-京东广告数据部-机器学习-内推2面-电话 一面、二面连着玩~~~
1、自我介绍
2、对于机器学习你都学了哪些？讲一个印象深的
说了SVM原理，拉格朗日法，对偶问题，以及好处。
3、SVM怎么防止过拟合
说了SVM里面的松弛变量。不知道对不对
4、我主动出击，有另一大类算法决策树，说不管是LR还是SVM都不能直观的感受到决策依据。而决策树易于理解，能够直观的感受到决策依据。
说了划分依据：信息增益（说了信息熵的来源，等概率时熵最大）、信息增益率、基尼系数。
说了划分方法（基于信息增益的）
说了C4.5比较ID3的优点。
5、决策树如何防止过拟合
剪枝，前剪枝和后剪枝。说了REP剪枝。C4.5是悲观剪枝
6、项目没问，说从上位面试官了解了。
7、撸代码
求连续子数组最大乘积，还让考虑边界问题（最后问了：连乘有可能导致溢出，存不下了）
2017-08-15-拼多多-算法-内推1面-电话
1、自我介绍
2、介绍项目
3、项目延展题：电商搜索框，每天有500W的搜索query。针对新来的一个query，给出和它最相似的100个query。
如果用RNN分类模型表征，那么向量不应该用最后一层的分类特征。应该用倒数第二层的更纯的特征。
现在假设500W的query已经是向量了。如何和这一个query比较。全部算距离不行，开销太大。
应该怎么办？？？
4、K-means聚类个数选择，做什么样的试验来确定K
5、两个4G的文件（每个文件可能有重复），里面全都是数字。现有内存1G，求这两个文件的交集。
2个4G的文件，分别hash成10个子文件，一个400M。
把一个子文件存储到hash表中，作为key。遍历另一个文件，看这个数字是否存在于刚才的hash表中。存在即可输出。
2017-08-23-美丽联合-算法-内推1面-电话
1、自我介绍
2、介绍项目
3、说了SVM
4、为什么要把原问题转换为对偶问题？
因为原问题是凸二次规划问题，转换为对偶问题更加高效。
5、为什么求解对偶问题更加高效？
我答了，因为只用求解alpha系数，而alpha系数只有支持向量才非0，其他全部为0.
6、alpha系数有多少个？
我答了：样本点的个数
7、避免过拟合的方法
答了：决策树剪枝、L2正则和L1正则
8、为什么L1正则可以实现参数稀疏，而L2正则不可以？
答了：L1正则因为是绝对值形式，很多系数被压缩为0,。而L2正则是很多系数被压迫到接近于0，而不是0
9、为什么L1很多系数可以被压缩为0，L2是被压缩至接近于0？
答了：图像上，L1正则是正方形，L2正则是圆形。
L1正则的往往取到正方形顶点，即有很多参数为0
L2正则往往去不到圆形和参数线的交点，即很多分量被压缩到接近于0
哪位大佬知道哪里有L1、L2的实现代码？？？，求告知~~~~~~~
10、问平时用啥语言比较多？
说了之前用java、scala多。现在用python较多。
11、问jvm 啥啥啥（没听清）。。。
答：不会
12、python…直接问你个开发中的实际问题吧，如果写的程序跑的非常慢，多方面分析这个问题？
答了： 1、检查程序是否有多层嵌套循环，优化
2、检查程序是否有很耗时的操作，看能否优化为多线程并行执行
3、检查数据量是否非常大，考虑是否可以用分布式计算模型。
求大佬补充~~~~~~~~~~
13、SQL中inner join 和outer join的区别？
14、试图给他说说SPARK，结果被严词拒绝（开玩笑的）。。。说时间紧迫，还是他来问吧。。。
15、Kmeans中，现在给你n个样本点不在欧式空间中，无法度量距离。现在给了一个函数F，可以衡量任意两个样本点的相似度。请问Kmeans如何操作？
答：想了一会，比如K=4的聚类。
1、首先，随机去4个点，作为初始类簇中心。
2、计算所有样本点与这4个点的F相似度。根据相似程度，把所有样本点分到4个类中。
3、在这4个类中，计算每一个样本点 i 到该类其他样本点的相似度和Si。取Si最大的那个点作为这个类的中心。
4、重复2、3步骤，直到类中心不再变化或者循环次数达到目标。
2017-08-27-链家-算法-内推1面-现场
来了之后先做1个小时的题，5道算法题
因为比较长，所以采用 A：面试官 B：本人
B 自我介绍
A 你自己学机器学习，怎么学的？
B 自己看书，周志华的西瓜书、机器学习实战。先找着撸代码，然后去深究里面的理论。
A西瓜书看到什么程度？
B刚开始看，看不太懂，然后就以机器学习实战为主，先照着撸代码，然后去西瓜书里深究里面的理论。
B我给您说说SVM吧，自学的时候留下很深的印象（试图抓住主动权~）
SVM是基于。。。说着手动起来写SVM的损失函数
A （打断）为什么样本点到决策面是 1/||w||
B 手推向量点到决策面的表达式（麻蛋，竟然一时紧张忘了。。。没推出来）
A 点到直线距离公式记得吧？
B 嗯嗯，又没写出来。只能说之前推过，现在一紧张忘了。。。
A 这个也无关紧要，继续
B 继续说SVM
A （打断）知道LR吧，知道LR和SVM有什么不同吗？
B 知道，首先这两个算法的分类思想不同，LR是基于概率推导的，SVM是基于最大化几何间隔的
A （打断）写一下，LR的损失函数
B 手写出来。其实这个sigmoid函数由那个什么族分布（真的忘了名字，其实是：指数族分布），加上二项分布导出来的。损失函数是由最大似然估计求出的。
A 怎么由最大似然估计导出的？推导一下
B 最大似然估计就是求让已知事件发生的概率最大的参数。
假设有5个样本，每一个的类别是yi，由LR计算出的概率是h(x)。那么每一个样本预测正确的概率为：
(H(x)yi)*((1-h(x))(1-yi)) ----
（刚开始一紧张，把h(x)和yi写反了）面试官说是这样吗？你这样全为0，我感觉你在背公式。。。你再看看
我一看，卧槽这竟然写错了。赶紧改过来，然后表明是自己紧张了。
概率连乘后，然后取对数就是LR的损失函数了。
A 为什么损失函数有个负号？
B 这是因为要应用梯度下降法，引入的。不加负号也可以，梯度上升法。这都是一样的。
A OK，继续，LR和SVM有什么区别？
B SVM决策面只由少量的支持向量决定，而LR的话是所有样本都会参与决策面的更新。
A 对，所以说SVM怎么样？
B SVM对于异常点不敏感，而LR敏感。SVM更加健壮，决策面不受非支持向量影响。
A OK
A 知道过拟合吧？
B 知道，在训练集表现好，在测试集表现一塌糊涂。举个例子就是：学生平时考试成绩非常棒，但一到实际应用就很烂。
A 说说常见的过拟合的解决办法
B 数据，样本不够，如果现在的训练集只是所有样本空间的一个小小的部分，那么这个模型的泛化能力就非常差（边画图，边说）
A 嗯嗯，还有呢
B 可以加正则项，L1，L2正则。L1还可以用来选择特征
A 为什么L1可以用来选择特征
B 因为L1的话会把某些不重要的特征压缩为0
A 为什么L1可以把某些特征压缩为0
B 因为（画图）L1约束是正方形的，经验损失最有可能和L1的正方形的顶点相交，L1比较有棱角。所以可以把某些特征压缩为0
A 还有什么过拟合的解决方法
B 神经网络中，dropout方法。就是每层网络的训练，随机的让一半神经元不工作。达到防止过拟合的目的
A 还有吗？
B 决策树中可以用剪枝操作。
B 决策树过拟合，可以用随机森林。。。
A 什么？？？现在一个决策树已经过拟合了，还要再以它为基准训练随机森林？
B 。。。对，你说的对。我想错了。。。
B 我就知道这些方法了。。。
A OK，挑一个项目给我说说吧
B 说项目（不记得中间有没有再提问了。。。）
B 要不我给您说说spark框架吧，之前还用的挺多。
A 嗯（看简历和笔试题中。。。）
B 开始说。。。说到三分之一
A 好了！ 你不必说了。（大手一挥~）我看你5道笔试题都没写思路，现在把第二题代码写出来
注： 第二题就是检测括号是否匹配
B 我写了啊。。。（给他翻到其中一个的背面）
A 哦，（迅速扫过代码，），为什要把字符压栈呢？不压栈也可以的。
B 是吗？{abc()}这样的也是合法的吗？
A 当然啊（看了一眼题。）
B 好吧，我本来也准备看到字符就丢到，不入栈。但担心这种情况不合法，就给入栈了。
A 嗯，第三题呢？
B 没思路，没写
A 给我说说第四题
第四题：10分钟内，恶意IP访问检测（10分钟内访问次数超过1024即为恶意访问）
B 这是10分钟动态检测的，需要时间刻度精确到秒吗？
A 不需要
B 把10分钟内的<ip,次数>存入hashmap, 再把key,value互换存入treemap。因为treemap是基于key有序的，升序。然后直接拿出来最后一个和1024比较。
A 怎么实现动态的检测，当前检测0-10分钟，那么第11分钟怎么办？
B 把0-10分钟的摘出来，从10分钟内的hashmap中减去，再把10-11分钟内的加上。
我知道这样实现起来，效率应该不高，但这一会我只想到了这个。。。
A 嗯，其实可以这样，把每分钟的分开存储，动态的向后移动，取这10个的总的数据就行。
甚至可以每分钟只存储TOP200的，然后10个分钟的汇总，取TOP1
B 嗯，明白了。
A 说说循环依赖这个怎么解决的？
第五题：系统有很多相互依赖的包，怎么检测循环依赖
B 把它当做一个链表。记录当前的名字在hashset中。如果某一次遍历的依赖名字存在于这个hashet中。就认为有循环依赖。
A 学过数据结构吧？学过图吧？给你一个有向图，怎么检测有环？
B 维护一个访问的数组，记录哪些点被访问过，从一点开始遍历，如果遍历的点被访问过，就说明有环
A 从哪个店开始遍历？
B 从入度为0的点开始遍历
A 如果有多个入度为0的点呢？
B 嗯。。。都要以它为入口开始遍历。
A show me the code!!!
（我内心是崩溃的。。。）
B 纠结了一会，又给他说了一遍思路。
A 嗯，好吧，我没有什么想问的了。你呢？
B 请问您说的这个图的这个应该怎么。。。算了，我还是下去自己看吧。。。我还是想知道怎么解决。。。
A 你说的对啊，就把思路给我讲了一下，和我的差不多。
B 贵公司这里机器学习、深度学习有什么应用场景呢？
A 房屋估价啊什么的。
B 好的，谢谢。再次感谢，离开。
2017-08-27-链家-算法-内推2面-现场
1、自我介绍
2、之前写过spark？写过统计日志用户数？那手写一下统计用户数（scala手写）
3、项目中用到了聚类？手写一下Kmeans
4、一般工业界不这样用，用kd-tree加速
5、给你出道题写一下，一个文件每一行有3列（\t分隔），每个字符串是abcd，这种形式，中间有大写有小写。
现认为：abcDe 等于BcaDe （即：不区分大小写，无关顺序）
要求输出： 字符 空格 出现次数 空格 每一种字符（以|分隔）
实例输出： abcde 2 abcDe|BcaDe
6、记不得了。。。好像没了。。。
2017-08-27-链家-算法-内推HR面-现场
这个后面再补吧，无关技术
2017-08-29-拼多多-算法-2面-内推-电话
1、自我介绍
2、将项目
3、说SVM
4、好像还说了spark原理
5、电话中断，面试官线上有BUG，去改BUG了。。。
6、10分钟后电话来了
7、我主动说：我给您说一下决策树方面的吧
8、面试官说：不用了，来道题。。。
9、一个矩阵都是0,1 且每一行，0都在1前面。求1个数最多的那一行的序号
2017-08-30-京东-机器学习-内推HR面-现场
这个后面再补吧，无关技术
2017-08-31-拼多多-算法-HR面-内推-电话
这个后面再补吧，无关技术
2017-09-04-360-大数据算法-1面-内推-视频
1、自我介绍
2、说项目
3、说一下项目中用的Kmeans算法
4、知道哪几种聚类算法，说下原理
5、Kmeans有什么优缺点
6、项目用了RNN，说一下RNN原理
说了RNN原理，顺便说了LSTM/GRU的出现
7、为什么会出现长时依赖的问题
8、LSTM/GRU如何解决长时依赖的问题
9、写代码：
一个有序数组中查找某个数
一开始写了个遍历查找，面试官说，还能再快吗？
然后写了个二分查找
2017-09-05-美团点评-机器学习-1面-内推-电话
1、自我介绍
2、说项目
3、打断，问个扩展题：问答系统，有200W个FAQ，如何用分类模型做分类
思考ing，面试官提示：了解搜索引擎吗？
用倒排索引，把FAQ的问题分词，每个词对应多个FAQ。新来的query分词，每个词对应的FAQ拉出来。再在这个里面做分类。
4、继续说项目
5、说一下hadoop重要的2点
说shuffle，说map、reduce分别分配资源，可以细粒度控制资源占用情况，有利于超大任务平稳正常运行。
6、面试官说，其实是HDFS，正是由于有了分布式文件系统，才可以分布式计算
对，分布式文件系统。数据在哪里计算就在哪里，移动数据变成了移动计算。更高效
7、做题
给定二叉树前序、中序遍历结果。求后序遍历结果
8、一维空间中，2个线段，a1-b1 和a2-b2。判断是否两个线段有交集
他想要的答案是：一个线段里面的大坐标，小于等于另一个线段里面的小坐标。
2017-09-07-美团点评-机器学习-2面-内推-电话
1、自我介绍
2、说项目
3、用RNN了，说一下原理
说RNN，顺便说了长时依赖问题，介绍了LSTM，GRU
4、说情感分析的项目
5、每个句子都被打上标签正向或者负向情感，如果我想得出句子中的每个词的情感倾向，怎么做？
我不清楚该怎么做，就如下扯乎：
认为每个句子的情感倾向由每个词的情感倾向打分相加而得。
有的词正向：+1，+2，+3…
有的词负向：-1，-2，-3…
经过RNN，每一时刻的输出。。。扯完我现在想都想不通了。。。
后来想了想可以用贝叶斯分类。不知道对不对，还请大佬指正啊~~~~~
6、情感分析里用了SVM，说一下
说SVM，顺便跟LR对比一下
7、还知道其他分类算法吗
嗯嗯，知道，说了决策树，ID3，C4.5，再扯了扯bagging和boosting
8、做题
数轴上从左到右有n各点a[0], a[1], ……,a[n -1]，给定一根长度为L的绳子，求绳子最多能覆盖其中的几个点。要求时间复杂度O(n)，空间复杂度O(1)
2017-09-11-美团点评-机器学习-3面-内推-电话
1、自我介绍
2、说项目
3、场景题：一个景点有很多信息，位置、门票、类型等等。设计一个知识图谱。这个事情如果交给你来做，你会怎么推进
当时就一脸懵逼，只听过这个东西。没研究过。。。就硬着头皮瞎掰
4、我给介绍了SVM
5、你这机器学习这块，只学了这几个月。你认为你有什么优势能跟其他这个专业的人竞争？
麻蛋。。。确实没想过这个问题，继续瞎掰
6、又是场景题：有100亿网页，每个网页都有一个标签。有可能一个标签对应上百万标签，有的标签只对应几个标签。要做一个数据去重，每个标签只要1个网页。
7、工作中遇到了什么实际的难点问题，怎么解决的？
面试官是一个和蔼的秃顶大叔，估计是总监级别。问的问题就是有深度，考察解决问题能力
2017-09-11-搜狗-机器学习-1面-校招-现场
1、自我介绍
2、说项目
3、用RNN了，说一下原理
4、问RNN怎么训练的？
大概说了说，BPTT。这个不太懂
5、RNN的输入是什么呢？
有word2vec训练的词向量库，一个句子分词后，把词都换成对应的向量输入
6、继续说项目
7、项目用到聚类了？介绍一下
巴拉巴拉巴拉
8、说文本情感分类项目，文本向量用tf-idf这种有什么问题没有？
有，不能捕获到上下文之间的联系。以后尝试用doc2vec这种。
9、了解bagging和boosting吗？
巴拉巴拉
10、做题
1、全排列
2、数组第k大的数
3、数组左减右，求最大差
4、树的路径和
2017-09-17-百度-机器学习-1面-校招-现场
因为笔试做的比较烂，所以以为没有面试机会。于是去了现场企图霸面。结果小姐姐当场一查，居然我也在面试名单，是还没有通知。于是回去，愉快的等待第二天面试。
因为较长 A:面试官 B:本人
A你是上午最后一个，咱们可以多聊一会（内心是崩溃的。。。）
A（原本以为要套路的自我介绍。。。结果。。。）你用C++多吗？
B不多，用java、python较多
A那STL熟悉吗？
B不熟
A知道Trie树吗？
B不熟，一顿扯
A详细讲解Trie树。
A红黑树了解吗？（据说让搞红黑树就要挂，难道这里就是预兆？？？）
B说了说5个特性
A详细讲解红黑树、B树、2-3-4树。
B（一脸谦虚的认真听）
A来做道题
一副扑克牌，未拆封，是有序的排列。要给4个人发牌，要使发的每一张牌的概率相同。
即发第i次牌，发出10和发出2的概率要相等。
B想了想，问了问，说了说思路，谈论了一下。
A排序算法知道哪些
B巴拉巴拉
A快排了解吗？
B说了思想，说了如何划分集合。
A知道快排的非递归实现吗？
B不了解
A那写个mergeSort吧，规定要写代码的。
B一会就搞定了
A咱们问问机器学习吧
A随机森林了解吗？Bagging和boosting了解吗？
B介绍随机森林
A RF的话，如果有一个特征和标签特别强相关。选择划分特征时，如果不随机的从所用特征中随机取一些特征的话，那么每一次那个强相关特征都会被选取。那么每个数都会是一样的。这就是随机森林随机选取一些特征的作用，让某些树，不选这个强相关特征。
B搜嘎。。。
A知道为什么bagging吗？
B。。。
A bootstrap aggregating
B又介绍了boosting
A说说这个项目吧
B巴拉巴拉
A看你项目用了SVM，介绍一下
B巴拉巴拉（中间被打断）
A你们怎么过来说的都很像啊，你们都看什么书？
B。。。我看的周志华的西瓜书和李航的统计学习方法。。。
A继续
B。。。巴拉巴拉
A还用到了RNN，介绍一下
B巴拉巴拉
2017-09-19-三星研究所-机器学习-1 2 面-校招-现场
笔试：
早上笔试，一道题，3小时。。。
其实不是考编程，是考英语。。。
看题1小时，做题10分钟。。。
结束后，发了一张公交卡（32元）~管了一顿泡菜料理。。。
HR面试：
略。。。
技术面试：
1、介绍项目
2、介绍RNN
3、Python如何定义一个私有变量
4、Java多线程start和run方法的区别
5、Java hashmap和hashtable的区别
西安三星电子研究所说有关机器学习的有存储SSD方面的、物联网平台方面的
2018-01-25 回顾校招经验
知识储备（老生常谈）：
计算机基础+算法题+专业知识基础（我就是机器学习基础）+项目
招聘内推信息：
水木社区+北邮人论坛+牛客网+等等等
海投，看准岗位。
能提前实习就实习，能内推就内推。因为坑位一步一步变少嘛
面试前经验：在牛客网上搜索该公司的面经，把和自己岗位有关的知识点，记录下来，搞懂。
上面这句有奇效*******
面试中经验：当气氛尴尬时，就是你回答了他的问题后，他还没有提出下一个问题时。抢占先机，想他兜售、推销你准备好的、熟练的知识。
上面这句也挺关键*******
HR面试经验：当HR问你，那个XXX公司怎么样啊，他让你去，你怎么选择呢？
个人感觉（仁者见仁智者见智）：客观的表达自己的观点，不能因为参加A公司的面试，就当场贬低B公司。但是，有一点很重要， 一定要说出一个听起来让人信服的理由，自己想加入A公司而不是B公司的理由。
原作者：crazyhoney
链接：https://www.nowcoder.com/discuss/32008?type=2
更多机器学习课程资源和面试技巧可关注weixin公众号：“菜鸟窝”
内容总结
以上是互联网集市为您收集整理的机器学习算法面经（阿里京东拼多多百度等）全部内容，希望文章能够帮你解决机器学习算法面经（阿里京东拼多多百度等）所遇到的程序开发问题。 如果觉得互联网集市技术教程内容还不错，欢迎将互联网集市网站推荐给程序员好友。
内容备注
版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 gblab@vip.qq.com 举报，一经查实，本站将立刻删除。
内容手机端
扫描二维码推送至手机访问。