前言
下午5點多,來了一個座機電話,一看杭州座機電話的,以爲外地的騷擾電話,當時正在看算法,停了2秒,對方開口了,說是阿里的,我渾身一個機靈,心想完了,沒準備,昨天才線上筆試,效率真高,我預計得等一兩個星期,,才排到我,.學的比較簡陋low B.進入正題.,
(自己毫無準備,和預計面試時間相差過多,全程懵逼狀態)
問題
1.開始問我最近在做什麼!!!!劃重點
後面所以回答都是基於我這個問題的回答展開的,我不敢說高了,剛吃過晚飯,很飽很懵逼的那種,其實最近都是在弄基礎的.所以就如實回答了,
說了幾個關鍵詞: 數據分析,numpy,pandas,matplotlib(JS網頁繪圖),特徵工程,scikit-learn庫,卷積,CNN,等等,然後說昨天剛碼了一個卷積神經網絡來識別驗證碼的,,以前做過表情識別的,(想說做過文本分類,情感分析,等等,的,但是感覺可能會懵逼,狀態不好,就沒說),然後搭建一些簡單的神經網絡,學習一些基礎的API,
2.基於上面的回答,回答的很low,當時心想估計面試官會當場笑出來,但是面試官沒有,很和藹,很謙虛的那種,
面試官又問到,那你簡單說說驗證碼識別,遇到的問題,
答:我就說了,在one_hot時候遇到的問題,在加載數據和形狀轉換時候遇到的bug
3面試官又問了,簡單說下數據集,訓練的思路,準確率等等
答:此部分回答也如實說的
4 面試官問了用的什麼框架,卷積時候形狀的改變過程,卷積核的設計,模型的主要架構是什麼,batch 和batch_size,等等
答:如實回答,提到了dropout
5. 面試官又問,你知道怎麼計算損失的嗎,怎麼避免過擬合嗎,什麼是batch_nomalization嗎,等一系列問題,一時間忘了,反正都是深度學習入門的概念和知識,此處省略了很多深度學習的基礎問題,
答:過擬合防止:利用dropout凍結神經元,損失:優化器-梯度下降法,很多基礎的沒有答上來,事實上都看過,有點手推過,一時懵逼,了,沒有答上來,
6 .面試官有問了,前面你提到了特徵工程,請你說下做過的項目
答:房價預測,股價預測,入住率預測,等分類和迴歸的一些小的實踐
7面試官又問了,那你知道,svm是什麼,能簡單說說原理嗎? SVM和LR有什麼區別,他們有什麼共同點,什麼不同點,各自的優勢,等等簡單說下. KNN思想,?實踐中如何利用KNN來構建模型的預測入住率的? 問了一些機器學習入門問題
8 面試官說,我們主做NLP的,你知道有哪些NLP算法嗎,簡單的說下,聽說你瞭解Wordvec嗎,後面又問了,Word2vec原理,如何計算詞向量的,層次softmax原理,
,(很後悔,此處沒有想起來,感覺此處我可以加分的,NLP基礎的我都是自學過的,做過文本分類和微博情感分析 ,並且瞭解Fastext等算法,看過基礎和前沿的一些NLP論文,像語言模型之前都是細看過的,感覺很多我知道的都可以說說的,,但是都沒有想起來提,)
答:CRF,HMM,我只說了兩個crf,hmm,聽說你瞭解Wordvec嗎後面都沒想起來說,當說到,連續詞袋模型和跳步模型的如何訓練詞向量和如何計算損失的時候卡住了,反正很後面,當時毫無思路,整個一個懵逼樹上懵逼果.
9.面試官看我很多沒有回答上來,場面一度很尷尬,面試官就和藹的說,差不多,要不就這樣,最後你還有什麼想問的嗎?
答:我說好的 ,謝謝,我想問下目前您部門有涉及到語音內的嗎,? 文本和語音有交叉到嗎,? 還有想了解下您部門,在機器學習等前沿的相關算法和技術,?,面試官又很和藹的說了下,
總結
1.所提的問題涉及的知識:從基層的機器學習算法,到深度學習,到相關的應用,從特徵工程構建,到模型架構,到NLP相關概念和應用.
2.大多數都是你提到什麼,他展開話題,所以知道的就都說出來,儘量展現所學的,
3,全程我面臨的一個問題是,我的思路不清晰,簡單的想KNN算法都想不起來,歐氏距離天天掛在嘴邊,我都想不起來,理清思路,淡定,很關鍵.
4.要發揮自己的優點, 比如問到你瞭解NLP的時候,自己就可以多說說,但是都沒想起來提下...,所以,明確自己掌握的知識點,發揮自己的優點,
5.一定要提前做好功課,不然很簡單的都不一定能答上來,讓自己有個準備,複習下所學.