↑↑↑點擊上方藍字,回覆資料,10個G的驚喜
來源:機器學習初學者
本文約2500字,建議閱讀8分鐘
本文爲你整理高贊回答。
高贊回答一
作者:wei chris
鏈接:https://www.zhihu.com/question/62482926/answer/210794177
問一些面試官和麪試者都熟悉的問題,把握一下面試者的深度;
問一些面試官熟悉,而面試者不熟悉的問題,考察一下應變和理解力;
問一個面試官不熟悉,而面試者熟悉的問題,考查一下表達;
問個過往項目,有什麼地方可以優化。考查一下迭代意識;
給一個公司現有項目問題,看看解決實際問題能力。
高贊回答二
鏈接:https://www.zhihu.com/question/62482926/answer/529823808
把你做過的機器學習項目的細節講清楚,有自己的理解,對經典的以及前沿的機器學習知識有所瞭解。
理論基礎
工程能力
業務理解
-
GBDT的原理 (理論基礎) -
決策樹節點分裂時如何選擇特徵,寫出Gini index和Information Gain的公式並舉例說明(理論基礎) -
分類樹和迴歸樹的區別是什麼?(理論基礎) -
與Random Forest作比較,並以此介紹什麼是模型的Bias和Variance(理論基礎) -
XGBoost的參數調優有哪些經驗(工程能力) -
XGBoost的正則化是如何實現的(工程能力) -
XGBoost的並行化部分是如何實現的(工程能力) -
爲什麼預測股票漲跌一般都會出現嚴重的過擬合現象(業務理解) -
如果選用一種其他的模型替代XGBoost,你會選用什麼?(業務理解和知識面)
高贊回答三
鏈接:https://www.zhihu.com/question/62482926/answer/221091254
情形A: 偏重機器學習基礎、數理知識,及利用機器學習解決問題的能力。
-
問一下做過的項目,挑一個最有意思的詳細問。 -
問一道涉及機器學習簡單數學推導的題,一般是概率或者優化之類,然後要求寫代碼實現。 -
給一個實際的應用場景,要求面試者設計基於機器學習解決方案:從用什麼模型,用什麼特徵到怎麼部署到生產環境,什麼都可以問。一般題目都是簡化自我們工作中實際遇到過的問題。
情形B: 偏重算法數據結構、大數據處理、機器學習系統實現等。
-
問一道一般的算法題,不至於太難,一般用來測試面試者對常用的數據結構是否熟悉,工程能力是否紮實,寫代碼時思維溝通是否清晰,還有代碼風格之類。 -
問一道涉及MapReduce的題,當然不會是最簡單的那種word count,一般也是需要一定思考的。 -
問一些關於機器學習系統的題,比如分佈式算法,比如在線學習的系統如何設計等等。
總結
推薦閱讀
(點擊標題可跳轉閱讀)
老鐵,三連支持一下,好嗎?↓↓↓
本文分享自微信公衆號 - 機器學習算法與Python實戰(tjxj666)。
如有侵權,請聯繫 [email protected] 刪除。
本文參與“OSC源創計劃”,歡迎正在閱讀的你也加入,一起分享。