【转载】 机器学习算法岗的常见面试问题及准备
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【转载】 机器学习算法岗的常见面试问题及准备,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3070字,纯文字阅读大概需要5分钟。
内容图文
原文地址:
https://blog.csdn.net/weixin_40411446/article/details/80398641
作者:诶呀吗_Bug
来源:CSDN
-----------------------------------------------------------------------------------------------
机器学习常见问题
1) 几种模型( SVM,LR,GBDT,EM )的原理以及公式推导;
2) RF,GBDT 的区别; GBDT,XgBoost的区别(烂大街的问题最好从底层原理去分析回答);
3) 决策树处理连续值的方法;
4) 特征选择的方法;
5) 过拟合的解决方法;
6) K-means 的原理,优缺点以及改进;
7) 常见分类模型( SVM ,决策树,贝叶斯等)的优缺点,适用场景以及如何选型;
8) SVM 为啥要引入拉格朗日的优化方法;
9) 假设面试官什么都不懂,详细解释 CNN 的原理;
10) 梯度下降的优缺点
11) EM与K-means的关系;
12) L1与L2的作用,区别以及如何解决L1求导困难;
13) 如何用尽可能少的样本训练模型同时又保证模型的性能;
14) ID3和C4.5的优缺点,树的融合(RF和GBDT)
15) 特征提取方法,如何判断特征是否重要
16) BP神经网络以及推导
17) HMM模型状态推导
18) 过拟合原因以及解决办法(深度学习同)
19) 常见损失函数
20)机器学习性能评价,准确率,召回率,ROC
22)降采样,PCA,LDA
深度学习常见问题
1)四种激活函数区别和作用
2)过拟合解决方法
3)(CNN)卷及神经网络各层作用
4)(RNN)循环神经网络
5)LSTM
6)梯度弥散
7)优化算法 adam,SGD等
8)分析Alexnet,VGG的网络结构以及各层作用
9)XgBoost(好像很多公司也面到了)
10)梯度下降的优化
12)卷积核参数计算
算法工程师面试必备
1. 成为算法工程师,应该学习哪些东西
首先说算法工程师有几个方向:NLP,推荐,CV,深度学习,然后结合公司业务做得内容各不相同
传统机器学习算法:感知机,SVM,LR,softmax,Kmeans,DBSCAN,决策树(CART,ID3,C45),GBDT,RF,Adaboost,xgboost,EM,BP神经网络,朴素贝叶斯,LDA,PCA,核函数,最大熵等
深度学习:CNN,RNN,LSTM,常用激活函数,Adam等优化算法,梯度消失(爆炸)等
推荐系统:itemBasedCF,userBasedCF,冷启动,SVD(各种变形),FM,LFM等
NLP:TF-IDF,textrank,word2vec(能推导,看过源码),LCA,simhash
常见概念:最大似然估计,最小二乘法,模型融合方法,L1L2正则(Lasso,elestic net),判别式模型与生成式模型,熵-交叉熵-KL散度,数据归一化,最优化方法(梯度下降,牛顿法,共轭梯度法),无偏估计,F1(ROC,recall,precision等),交叉验证,bias-variance-tradeoff,皮尔逊系数,
概率论,高数,线性代数(像我一样懒的人,就可以遇到哪里复习哪里,:D)
常见问题(具体答案去搜知乎或者百度,最好能在实际项目中总结出来):
常见损失函数
SGD与BGD
如何处理样本非均衡问题
过拟合原因,以及解决办法
如何处理数据缺失问题
如何选择特征
L1为什么能让参数稀疏,L2为什么会让参数趋于较小值,L1优化方法
各模型的优缺点,以及适用场景
学明白上述所有内容你需要多长时间?反正我这么笨的人用了不到一年时间(我本科完全没接触过算法相关,完全是研一学的)
2. 推荐书籍
C++:《C++primer5》《STL源码分析》《深度探索C++对象模型》《Effective C++》《Effective STL》 (虽然有些书有点老,不过开卷有益吧)(其他语言就不管了哈)
python:《python学习手册》《python源码分析》《改善python程序的91个建议》(Python必须要会)
刷题:《编程之美》《剑指offer》《程序员代码面试指南》《leetcode》
算法相关:《统计学习方法》(这本多看)《数据挖掘导论》《数学之美》《田林轩视频》《吴恩达视频》《西瓜书》
参考文献:机器学习面试总结(具体的问题我很早之前在简书上写过)
---------------------
内容总结
以上是互联网集市为您收集整理的【转载】 机器学习算法岗的常见面试问题及准备全部内容,希望文章能够帮你解决【转载】 机器学习算法岗的常见面试问题及准备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。