[轉]關於」算法工程師/機器學習工程師」的筆試和麪試總結

從16年九月份開始，參加了一些公司的算法工程師/機器學習工程師崗位的校園招聘，作一些總結，但願能夠給你們準備這個職位提供些信息。

1、須要的基本技能
數據結構知識
掌握一門編程語言，c/c++/Java/Python
機器學習經常使用算法或者某一細分領域（推薦，天然語言處理，圖像識別，語音識別等）的經常使用算法

2、筆試和麪試內容
大可能是技術筆試而後二到三輪的技術面試

技術筆試都是考察基本的計算機知識，機率統計相關題目，智力題，linux經常使用命令和編程/算法能力等

計算機知識包括：
主要是數據結構包括數組，增刪鏈表，樹，排序算法等。也可能會有數據庫基本語句，操做系統進程和 線程相關的，計算機網絡的TCP/IP協議部分）
編程能力：
一到三道在線編程題目
算法能力：
給出一個場景，回答使用什麼算法去建模解決
面試問題

機器學習經常使用算法，例如：
決策樹的ID3，C4.5，CART等，決策樹的split原理和剪枝策略
神經網絡如何工做
SVM的原理及公式推導
樸素貝葉斯的公式
Bagging 和 Boosting的區別
GBDT的參數怎麼調
聚類過程
誤差和方差是什麼，高誤差和高方差說明了什麼
怎麼理解損失函數，SVM的損失函數是什麼，寫出公式
過擬合怎麼解決，L1和L2正則化有什麼區別
爲何用最小二乘而不是最小四乘
GB和牛頓法的區別，它們和泰勒公式的關係
PCA的原理

數據結構算法知識，手寫代碼，例如：

最大子數組和
快速排序
字典排序

編程能力，考察熟悉的編程語言的相關知識，編程語言掌握一門便可，例如：

java：static的做用，hashmap，arraylist和linklist的區別，多線程

c/c++：實現strstr(判斷一個字符串是不是另外一個的子串)
python：安裝Python的命令是什麼，用python讀取一個文件，一行一行的輸出（不能用庫函數）

python：安裝Python的命令是什麼，用python讀取一個文件，一行一行的輸出（不能用庫函數），python經常使用庫

大數據開發能力：Hadoop/Hive/Map Reduce開發，例如Map Reduce 寫 word count

 

深度學習知識：

深度學習框架
CNN：什麼是卷積，爲何要padding(根據簡歷的具體項目問
Udacity的機器學習項目P0和P1，若是寫，請想好以下問題：

P0（泰坦尼克號項目）：預測這個有啥用？召回率是多少？（題目中並無算）
P1（預測波士頓房價）：特徵都是離散的，爲何用決策樹？
（雖然是用的決策迴歸樹，但我也沒想 到更好的回答的方式）。。。
這些面試題目僅供你們參考，各個公司問每一個人的也不同，會根據公司的需求，我的簡歷上的項目問

3、總結：
各個公司的側重點不太同樣，有的公司側重數據分析/數據挖掘(京東，筆試題好多spass)，有的公司偏向推薦算法(協同過濾，CTR點擊率預估）（美團，汽車之家也很注重思惟能力），用戶畫像（百度的百家號），有的公司側重大數據開發（要求裏寫了Hadoop/Hive）（中國移動），有的公司更側重算法層面，建模能力(滴滴）

若是是面試天然語言處理（NLP），圖像識別，語音識別之類的公司，基本是要求深度學習知識的。創業公司的話，要求關注最新會議，跟paper，關注領域內最新進展

4、推薦網站和書目
推薦編程刷題網站：牛客網，Leecode
推薦書目《劍指offer》(c++)，《程序員代碼面試指南》（java編寫），
《機器學習（周志華著）》（西瓜書），《統計學習方法（李航著）》

五：一些建議：
掌握基本知識後要肯定好本身的目標，機器學習是一個大的方向，還有不少細分，到底是要作文本，推薦，圖像仍是語音識別，差異都很大，人不可能面面俱到，掌握好一個領域的內容就很厲害啦~~

六：數據分析與機器學習的區別
我的的一點理解，具體仍是看崗位要求怎麼寫的
數據分析偏向統計一些，要會SQL/Spass/SAS等數據分析軟件等，更適合數學和統計專業
機器學習要求編程能力較強，即算法實現能力，更適合數學和計算機專業

七：感覺到的現狀
機器學習是一個相對開發來講較新的職位，一些公司也開始增長這些職位，需求仍是有的，要求也較高

機器學習要求編程能力較強，即算法實現能力，更適合數學和計算機專業

以上是一些筆試面試總結，僅供你們參考，歡迎你們補充交流和批評指正

2016年11月