↑↑↑点击上方蓝字,回复资料,10个G的惊喜
来源:机器学习初学者
本文约2500字,建议阅读8分钟
本文为你整理高赞回答。
高赞回答一
作者:wei chris
链接:https://www.zhihu.com/question/62482926/answer/210794177
问一些面试官和面试者都熟悉的问题,把握一下面试者的深度;
问一些面试官熟悉,而面试者不熟悉的问题,考察一下应变和理解力;
问一个面试官不熟悉,而面试者熟悉的问题,考查一下表达;
问个过往项目,有什么地方可以优化。考查一下迭代意识;
给一个公司现有项目问题,看看解决实际问题能力。
高赞回答二
链接:https://www.zhihu.com/question/62482926/answer/529823808
把你做过的机器学习项目的细节讲清楚,有自己的理解,对经典的以及前沿的机器学习知识有所了解。
理论基础
工程能力
业务理解
-
GBDT的原理 (理论基础) -
决策树节点分裂时如何选择特征,写出Gini index和Information Gain的公式并举例说明(理论基础) -
分类树和回归树的区别是什么?(理论基础) -
与Random Forest作比较,并以此介绍什么是模型的Bias和Variance(理论基础) -
XGBoost的参数调优有哪些经验(工程能力) -
XGBoost的正则化是如何实现的(工程能力) -
XGBoost的并行化部分是如何实现的(工程能力) -
为什么预测股票涨跌一般都会出现严重的过拟合现象(业务理解) -
如果选用一种其他的模型替代XGBoost,你会选用什么?(业务理解和知识面)
高赞回答三
链接:https://www.zhihu.com/question/62482926/answer/221091254
情形A: 偏重机器学习基础、数理知识,及利用机器学习解决问题的能力。
-
问一下做过的项目,挑一个最有意思的详细问。 -
问一道涉及机器学习简单数学推导的题,一般是概率或者优化之类,然后要求写代码实现。 -
给一个实际的应用场景,要求面试者设计基于机器学习解决方案:从用什么模型,用什么特征到怎么部署到生产环境,什么都可以问。一般题目都是简化自我们工作中实际遇到过的问题。
情形B: 偏重算法数据结构、大数据处理、机器学习系统实现等。
-
问一道一般的算法题,不至于太难,一般用来测试面试者对常用的数据结构是否熟悉,工程能力是否扎实,写代码时思维沟通是否清晰,还有代码风格之类。 -
问一道涉及MapReduce的题,当然不会是最简单的那种word count,一般也是需要一定思考的。 -
问一些关于机器学习系统的题,比如分布式算法,比如在线学习的系统如何设计等等。
总结
推荐阅读
(点击标题可跳转阅读)
老铁,三连支持一下,好吗?↓↓↓
本文分享自微信公众号 - 机器学习算法与Python实战(tjxj666)。
如有侵权,请联系 [email protected] 删除。
本文参与“OSC源创计划”,欢迎正在阅读的你也加入,一起分享。