自己的專業方向是機器學習、數據挖掘,就業意向是互聯網行業與本專業相關的工作崗位。各個企業對這類崗位的命名可能有所不同,比如數據挖掘/自然語言處理/機器學習算法工程師,或簡稱算法工程師,還有的稱爲搜索/推薦算法工程師,甚至有的併入後臺工程師的範疇,視崗位具體要求而定。
機器學習、大數據相關崗位的職責
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,根據業務的不同,崗位職責大概分爲:
- 平臺搭建類
- 數據計算平臺搭建,基礎算法實現,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發、並行計算、分佈式計算等方面的知識;
- 算法研究類
- 文本挖掘 ,如領域知識圖譜構建、垃圾短信過濾等;
- 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;
- 互聯網信用評價;
- 圖像識別、理解。
- 數據挖掘類
- 商業智能 ,如統計報表;
- 用戶體驗分析 ,預測流失用戶。
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,業界有足夠的技術積累,比如搜索、推薦,也有的方向還有很多開放性問題等待探索,比如互聯網金融、互聯網教育。在面試的過程中,一方面要盡力向企業展現自己的能力,另一方面也是在增進對行業發展現狀與未來趨勢的理解,特別是可以 從一些剛起步的企業和團隊那裏,瞭解到一些有價值的一手問題 。
以下首先介紹面試中遇到的一些真實問題,然後談一談答題和麪試準備上的建議。
面試問題
- 你在研究/項目/實習經歷中主要用過哪些機器學習/數據挖掘的算法?
- 你熟悉的機器學習/數據挖掘算法主要有哪些?
- 你用過哪些機器學習/數據挖掘工具或框架?
- 基礎知識
- 無監督和有監督算法的區別?
- SVM 的推導,特性?多分類怎麼處理?
- LR 的推導,特性?
- 決策樹的特性?
- SVM、LR、決策樹的對比?
- 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。
- 如何進行特徵選擇?
- 爲什麼會產生過擬合,有哪些方法可以預防或克服過擬合?
- 介紹卷積神經網絡,和 DBN 有什麼區別?
- 採用 EM 算法求解的模型有哪些,爲什麼不用牛頓法或梯度下降法?
- 用 EM 算法推導解釋 Kmeans。
- 用過哪些聚類算法,解釋密度聚類算法。
- 聚類算法中的距離度量有哪些?
- 如何進行實體識別?
- 解釋貝葉斯公式和樸素貝葉斯分類。
- 寫一個 Hadoop 版本的 wordcount。
- ……
- 開放問題
- 給你公司內部羣組的聊天記錄,怎樣區分出主管和員工?
- 如何評估網站內容的真實性(針對代刷、作弊類)?
- 深度學習在推薦系統上可能有怎樣的發揮?
- 路段平均車速反映了路況,在道路上布控採集車輛速度,如何對路況做出合理估計?採集數據中的異常值如何處理?
- 如何根據語料計算兩個詞詞義的相似度?
- 在百度貼吧裏發佈 APP 廣告,問推薦策略?
- 如何判斷自己實現的 LR、Kmeans 算法是否正確?
- 100億數字,怎麼統計前100大的?
- ……
答題思路
- 用過什麼算法?
- 最好是在 項目/實習的大數據場景 裏用過,比如推薦裏用過 CF、LR,分類裏用過 SVM、GBDT;
- 一般用法是什麼,是不是自己實現的,有什麼比較知名的實現,使用過程中 踩過哪些坑 ;
- 優缺點分析。
- 熟悉的算法有哪些?
- 基礎算法要多說,其它算法要挑熟悉程度高的說,不光列舉算法,也適當說說應用場合;
- 面試官和你的研究方向可能不匹配,不過在基礎算法上你們還是有很多共同語言的,你說得太高大上可能效果並不好,一方面面試官還是要問基礎的,另一方面一旦面試官突發奇想讓你給他講解高大上的內容,而你只是泛泛的瞭解,那就傻叉了。
- 用過哪些框架/算法包?
- 主流的分佈式框架如 Hadoop,Spark,Graphlab,Parameter Server 等擇一或多使用瞭解;
- 通用算法包,如 mahout,scikit,weka 等;
- 專用算法包,如 opencv,theano,torch7,ICTCLAS 等。
- 基礎知識
- 個人感覺高頻話題是 SVM、LR、決策樹(決策森林)和聚類算法,要重點準備;
- 算法要從以下幾個方面來掌握
- 產生背景,適用場合(數據規模,特徵維度,是否有 Online 算法,離散/連續特徵處理等角度);
- 原理推導(最大間隔,軟間隔,對偶);
- 求解方法(隨機梯度下降、擬牛頓法等優化算法);
- 優缺點,相關改進;
- 和其他基本方法的對比;
- 不能停留在能看懂的程度,還要
- 對知識進行結構化整理,比如撰寫自己的 cheet sheet,我覺得 面試是在有限時間內向面試官輸出自己知識的過程 ,如果僅僅是在面試現場纔開始調動知識、組織表達,總還是不如系統的梳理準備;
- 從面試官的角度多問自己一些問題,通過查找資料總結出全面的解答,比如如何預防或克服過擬合。
- 開放問題
- 由於問題具有綜合性和開放性,所以不僅僅考察對算法的瞭解,還需要足夠的實戰經驗作基礎;
- 先不要考慮完善性或可實現性 ,調動你的一切知識儲備和經驗儲備去設計,有多少說多少,想到什麼說什麼,方案都是在你和麪試官討論的過程裏逐步完善的,不過面試官有兩種風格:引導你思考考慮不周之處 or 指責你沒有考慮到某些情況,遇到後者的話還請注意 靈活調整答題策略 ;
- 和同學朋友開展討論,可以從上一節列出的問題開始。
準備建議
- 基礎算法複習兩條線
材料閱讀
包括經典教材(比如 PRML,模式分類)、網上系列博客(比如 研究者July),系統梳理基礎算法知識;面試反饋
面試過程中會讓你發現自己的薄弱環節和知識盲區,把這些問題記錄下來,在下一次面試前搞懂搞透 。
- 除算法知識,還應適當掌握一些系統架構方面的知識,可以從網上分享的阿里、京東、新浪微博等的架構介紹 PPT 入手,也可以從 Hadoop、Spark 等的設計實現切入。
- 如果真的是以就業爲導向就要在平時注意實戰經驗的積累,在科研項目、實習、比賽(Kaggle,Netflix,天貓大數據競賽等)中摸清算法特性、熟悉相關工具與模塊的使用。
總結
如今,好多機器學習、數據挖掘的知識都逐漸成爲常識,要想在競爭中脫穎而出,就必須做到
- 保持學習熱情,關心熱點;
- 深入學習,會用,也要理解;
- 在實戰中歷練總結;
- 積極參加學術界、業界的講座分享,向牛人學習,與他人討論。
最後,希望自己的求職季經驗總結能給大家帶來有益的啓發。