160個機器學習面試題

時間 2020-04-19

標籤機器學習面試欄目快樂工作简体版

原文原文鏈接

原文：https://hackernoon.com/160-da...
Alexey Grigorev(Lead Data Scientist at OLX Group)面試

數據科學職位的典型面試過程會有不少輪，其中一般會涉及理論概念，目的是肯定應聘者是否瞭解機器學習的基礎知識。
在這篇文章中，我想總結一下我全部的面試經歷（面試or被面試）並提出了160多個數據科學理論問題的清單。
其中包括如下主題：算法

線性迴歸
模型驗證
分類和邏輯迴歸
正則化
決策樹
隨機森林
GBDT
神經網絡
文本分類
聚類
排序：搜索和推薦
時間序列

這篇文章中的問題數量彷佛遠遠不夠，請記住，面試流程是根據公司的需求和你的工做經歷而定的。所以，若是你的工做中沒有用過期間序列模型或計算機視覺模型，就不會收到相似的問題。segmentfault

提示：若是不知道某些面試問題的答案，不要灰心。爲了簡化起見，我根據難度將問題分爲三類：網絡

👶容易
⭐️中號
🚀專家

開始吧！框架

有監督的機器學習

什麼是有監督學習？👶

線性迴歸

什麼是迴歸？哪些模型可用於解決迴歸問題？👶
什麼是線性迴歸？何時使用它？👶
什麼是正態分佈？爲何要重視它？👶
如何檢查變量是否遵循正態分佈？‍⭐️
如何創建價格預測模型？價格是否正態分佈？須要對價格進行預處理嗎？‍⭐️
解決線性迴歸的模型有哪些？‍⭐️
什麼是梯度降低？它是如何工做的？‍⭐️
什麼是正規方程？‍⭐️
什麼是SGD-隨機梯度降低？與一般的梯度降低有何不一樣？‍⭐️
有哪些評估迴歸模型的指標？👶
什麼是MSE和RMSE？👶

驗證方式

什麼是過擬合？👶
如何驗證模型？👶
爲何須要將數據分爲三個部分：訓練，驗證和測試？👶
解釋交叉驗證的工做原理？👶
什麼是K折交叉驗證？👶
如何在K折交叉驗證中選擇K？你最喜歡的K是什麼？👶

正則化

若是的數據中包含三列：x，y，z，其中z是x、y的和，那麼線性迴歸模型會怎樣？‍⭐️
若是數據中的z列是x和y列之和加上一些隨機噪聲，那麼的線性迴歸模型會怎樣？‍⭐️
什麼是正則化？爲何須要它？👶
有哪些正則化技術？‍⭐️
什麼樣的正則化技術適用於線性模型？‍⭐️
L2正則化在線性模型中是什麼樣的？‍⭐️
如何選擇正確的正則化參數？👶
L2正則化對線性模型的權重有什麼影響？‍⭐️
L1正則化在線性模型中是什麼樣的？‍⭐️
L2和L1正則化有什麼區別？‍⭐️
能夠在線性模型中同時具備L1和L2正則化嗎？‍⭐️
如何解釋線性模型中的常數項？‍⭐️
如何解釋線性模型中的權重？‍⭐️
若是一個變量的權重高於另外一個變量的權重，那麼能夠說這個變量更重要嗎？‍⭐️
何時須要對線性模型進行特徵歸一化？什麼狀況下能夠不作歸一化？‍⭐️

特徵選擇

什麼是特徵選擇？爲何須要它？👶
特徵選擇對線性模型重要嗎？‍⭐️
有哪些特徵選擇技術？‍⭐️
可使用L1正則化進行特徵選擇嗎？‍⭐️
可使用L2正則化進行特徵選擇嗎？‍⭐️

決策樹

什麼是決策樹？👶
如何訓練決策樹？‍⭐️
決策樹模型的主要參數是什麼？👶
如何處理決策樹中的分類變量？‍⭐️
與更復雜的模型相比，單個決策樹有什麼好處？‍⭐️
如何知道哪些特徵對決策樹模型更重要？‍⭐️

隨機森林

什麼是隨機森林？👶
爲何須要在隨機森林中進行隨機化？‍⭐️
隨機森林模型的主要參數是什麼？‍⭐️
如何選擇隨機森林中樹的深度？‍⭐️
如何知道隨機森林須要多少棵樹？‍⭐️
隨機森林的訓練並行化容易？該怎麼作？‍⭐️
隨機森林中過多的樹有什麼潛在問題？‍⭐️
是否能夠不找到最佳分割，而是隨機選擇幾個分割，而後從中選擇最佳分割？可行嗎 🚀
數據中存在相關特徵時會怎樣？‍⭐️

梯度提高

什麼是梯度加強樹？‍⭐️
隨機森林和梯度提高之間有什麼區別？‍⭐️
是否能夠並行化梯度提高模型的訓練？怎麼作？‍⭐️
梯度加強樹中的特徵重要性-有哪些可能的選擇？‍⭐️
梯度提高模型的特徵重要性，連續變量和離散變量之間是否有區別？🚀
梯度提高模型中的主要參數是什麼？‍⭐️
如何在XGBoost或LightGBM中調整參數？🚀
如何在梯度提高模型中選擇樹的數量？‍⭐️

參數調整

你大體瞭解哪些參數調整策略？‍⭐️
網格搜索參數調整策略和隨機搜索有什麼區別？何時使用一個或另外一個？‍⭐️

神經網絡

神經網絡能夠解決哪些問題？👶
一般的全鏈接前饋神經網絡如何工做？‍⭐️
爲何須要激活功能？👶
sigmoid 爲激活函數有什麼問題？‍⭐️
什麼是ReLU？它比sigmoid 或tanh好嗎？‍⭐️
如何初始化神經網絡的權重？‍⭐️
若是將神經網絡的全部權重都設置爲0會怎樣？‍⭐️
神經網絡中有哪些正則化技術？‍⭐️
什麼是1.1Dropout？爲何有用？它是如何工做的？‍⭐️

神經網絡的優化

什麼是反向傳播？它是如何工做的？爲何須要它？‍⭐️
你知道哪些訓練神經網絡的優化技術？‍⭐️
如何使用SGD（隨機梯度降低）訓練神經網絡？‍⭐️
學習率是多少？👶
學習率太大時會發生什麼？過小？👶
如何設置學習率？‍⭐️
什麼是Adam？Adam和SGD之間的主要區別是什麼？‍⭐️
何時使用Adam和SGD？‍⭐️
要保持學習率不變仍是在訓練過程當中改變它？‍⭐️
如何肯定什麼時候中止訓練神經網絡？👶
什麼是ModelCheckpoint？‍⭐️
講一下你是如何進行模型訓練的？‍⭐️

用於計算機視覺的神經網絡

如何使用神經網絡進行計算機視覺？‍⭐️
什麼是卷積層？‍⭐️
爲何須要卷積？不能使用全鏈接層嗎？‍⭐️
CNN中的pooling是什麼？爲何須要它？‍⭐️
Max pooling如何工做？還有其餘池化技術嗎？‍⭐️
CNN是否抗旋轉？若是旋轉圖像，CNN的預測會怎樣？🚀
什麼是數據加強？爲何須要它們？你知道哪一種加強？👶
如何選擇要使用的加強？‍⭐️
你知道什麼樣的CNN分類體系？🚀
什麼是遷移學習？它是如何工做的？‍⭐️
什麼是目標檢測？你知道有哪些框架嗎？🚀
什麼是對象分割？你知道有哪些框架嗎？🚀

文字分類

如何使用機器學習進行文本分類？‍⭐️
什麼是詞袋模型？如何將其用於文本分類？‍⭐️
詞袋模型的優缺點是什麼？‍⭐️
什麼是N-gram？如何使用它們？‍⭐️
使用N-gram時，詞袋模型中N應該是多少？‍⭐️
什麼是TF-IDF？它對文本分類有什麼用？‍⭐️
你用過哪一種模型對帶有詞袋特徵的文本進行分類？‍⭐️
使用詞袋進行文本分類時，你但願使用梯度提高樹模型仍是邏輯迴歸？‍⭐️
什麼是詞嵌入？爲何有用？你知道Word2Vec嗎？‍⭐️
你還知道其餘詞嵌入的方法嗎？🚀
若是你的句子包含多個單詞，則可能須要將多個單詞嵌入組合爲一個。你會怎麼作？‍⭐️
在進行帶有嵌入的文本分類時，使用梯度提高樹模型仍是邏輯迴歸？‍⭐️
如何使用神經網絡進行文本分類？🚀
如何使用CNN進行文本分類？🚀

聚類

什麼是無監督學習？👶
什麼是聚類？何時須要它？👶
K-means是如何工做的嗎？‍⭐️
如何爲K均值選擇K？‍⭐️
你還知道其餘哪些聚類算法？‍⭐️
你知道DBScan如何工做嗎？‍⭐️
什麼時候選擇K-means，什麼時候選擇DBScan？‍⭐️

降維

維度災難是什麼？爲何要關心它？‍⭐️
你知道降維技巧嗎？‍⭐️
什麼是奇異值分解？它一般如何用於機器學習？‍⭐️

排序和搜索

什麼是排序問題？可使用哪些模型來解決它們？‍⭐️
文本信息檢索任務重，什麼是好的無監督baselines？‍⭐️
如何評估排序算法？使用哪些離線指標？‍⭐️
k的精度和召回率是多少？‍⭐️
k的平均精度均值是多少？‍⭐️
如何使用機器學習進行搜索？‍⭐️
如何得到訓練算法的排序數據？‍⭐️
能夠將搜索問題表述爲分類問題嗎？⭐️
如何將點擊數據用做訓練數據以進行排序算法？🚀
如何使用梯度提高樹進行排序？🚀
如何在線評估新的排序算法？‍⭐️

時間序列

什麼是時間序列？👶
時間序列與一般的迴歸問題有何不一樣？👶
用於解決時間序列問題的有哪些模型？‍⭐️
若是序列中有趨勢，如何消除它？爲何要這麼作？‍⭐️
在時間t處測得只有一個變量「y」的序列。如何在時間t + 1預測「y」？使用哪一種方法？‍⭐️
有一個帶有變量「y」和一系列特徵的序列。如何預測t + 1時的「y」？使用哪一種方法？‍⭐️
使用樹來解決時間序列問題有什麼問題？‍⭐️

以上！但願它對各位有用，祝面試愉快！
機器學習

本文由博客一文多發平臺 OpenWrite 發佈！

相關標籤/搜索

每日一句

每一个你不满意的现在，都有一个你没有努力的曾经。