面試經(jīng)驗分享之機器學(xué)習與大數據問(wèn)題
本人的專(zhuān)業(yè)方向是機器學(xué)習、數據挖掘，就業(yè)意向是互聯(lián)網(wǎng)行業(yè)與本專(zhuān)業(yè)相關(guān)的工作崗位。各個(gè)企業(yè)對這類(lèi)崗位的命名可能有所不同，比如數據挖掘/自然語(yǔ)言處理/機器學(xué)習算法工程師，或簡(jiǎn)稱(chēng)算法工程師，還有的稱(chēng)為搜索/推薦算法工程師，甚至有的并入后臺工程師的范疇，視崗位具體要求而定。
機器學(xué)習、大數據相關(guān)崗位的職責
自己參與面試的.提供算法崗位的公司有 BAT、小米、360、飛維美地、宜信、猿題庫 等，根據業(yè)務(wù)的不同，崗位職責大概分為：
1、平臺搭建類(lèi)數據計算平臺搭建，基礎算法實(shí)現，當然，要求支持大樣本量、高維度數據，所以可能還需要底層開(kāi)發(fā)、并行計算、分布式計算等方面的知識;
2、算法研究類(lèi)文本挖掘，如領(lǐng)域知識圖譜構建、垃圾短信過(guò)濾等;推薦，廣告推薦、APP 推薦、題目推薦、新聞推薦等;排序，搜索結果排序、廣告排序等;廣告投放效果分析;互聯(lián)網(wǎng)信用評價(jià);圖像識別、理解。
3、數據挖掘類(lèi)商業(yè)智能，如統計報表;用戶(hù)體驗分析，預測流失用戶(hù)。
以上是根據本人求職季有限的接觸所做的總結。有的應用方向比較成熟，業(yè)界有足夠的技術(shù)積累，比如搜索、推薦，也有的方向還有很多開(kāi)放性問(wèn)題等待探索，比如互聯(lián)網(wǎng)金融、互聯(lián)網(wǎng)教育。在面試的過(guò)程中，一方面要盡力向企業(yè)展現自己的能力，另一方面也是在增進(jìn)對行業(yè)發(fā)展現狀與未來(lái)趨勢的理解，特別是可以從一些剛起步的企業(yè)和團隊那里，了解到一些有價(jià)值的一手問(wèn)題。
以下首先介紹面試中遇到的一些真實(shí)問(wèn)題，然后談一談答題和面試準備上的建議。
面試問(wèn)題1、你在研究/項目/實(shí)習 經(jīng)歷中主要用過(guò)哪些機器學(xué)習/數據挖掘的算法?2、你熟悉的機器學(xué)習/數據挖掘算法主要有哪些?3、你用過(guò)哪些機器學(xué)習/數據挖掘工具或框架?4、基礎知識
無(wú)監督和有監督算法的區別?SVM 的推導，特性?多分類(lèi)怎么處理?LR 的推導，特性?決策樹(shù)的特性?SVM、LR、決策樹(shù)的對比?GBDT 和 決策森林 的區別?如何判斷函數凸或非凸?解釋對偶的概念。如何進(jìn)行特征選擇?為什么會(huì )產(chǎn)生過(guò)擬合，有哪些方法可以預防或克服過(guò)擬合?介紹卷積神經(jīng)網(wǎng)絡(luò )，和 DBN 有什么區別?采用 EM 算法求解的模型有哪些，為什么不用牛頓法或梯度下降法?用 EM 算法推導解釋 Kmeans。用過(guò)哪些聚類(lèi)算法，解釋密度聚類(lèi)算法。聚類(lèi)算法中的距離度量有哪些?如何進(jìn)行實(shí)體識別?解釋貝葉斯公式和樸素貝葉斯分類(lèi)。寫(xiě)一個(gè) Hadoop 版本的 wordcount。
【面試經(jīng)驗分享之機器學(xué)習與大數據問(wèn)題】相關(guān)文章：
面試問(wèn)題之經(jīng)驗態(tài)度06-02
面試技巧與經(jīng)驗的分享08-04
四大面試經(jīng)驗分享01-15
分享面試經(jīng)驗12-04
MBA面試經(jīng)驗交流與分享11-05
小升初面試七大經(jīng)驗分享11-15
面試問(wèn)題之5大“最”06-09
小升初面試經(jīng)驗之六大技巧12-19