面試＆面試

面試共性問題的準備
1.基礎的機器學習算法

線性模型
有序屬性和無序屬性的轉化
有序屬性能夠進行連續值的轉化，無序屬性，假定有k個值則轉換爲k維向量
線性迴歸問題轉換成分類問題直接引入- 對數概率函數

經典的數值優化方法:梯度降低法，牛頓法．牛頓法求解平方根
決策樹
ID3算法，利用信息增益　可是其有一個缺點就是對數量較多的屬性具備必定的偏袒性．
C4.5算法，　增益率　對數目較少的屬性具備必定的偏袒性
CART算法， 基尼指數　
連續屬性的離散化　缺失值按照權重進行從新定義

神經網絡
神經網絡所學到的東西都蘊涵在鏈接權和閾值中
損失(偏差)函數，也是基於梯度降低策略來實現損失函數最小,梯度降低是沿着負梯度方向搜索最優解
- 先將輸入事例提供給輸入層神經元，逐層將信號進行前傳，直到產生輸出層的結果
- 計算輸出層的偏差，再將偏差逆向傳播至隱層神經元
- 最後根據隱層神經元的偏差來對鏈接權和閾值進行調整．並進行迭代循環進行

支持向量機
利用間隔最大化尋找劃分超平面，找到兩個異類的支持向量最終的模型只和支持向量有關

凸二次規劃問題，利用拉格朗日乘子法能夠獲得"對偶問題",將極大極小值問題轉換成極小極大值問題

核函數:樣本從原始空間映射到一個高維的特徵空間　超曲面映射到超平面

軟間隔:引入一個鬆弛變量，這樣向量能夠出如今間隔之間

貝葉斯分類器
基於後驗機率的貝葉斯分類器轉換爲基於類先驗機率和類條件機率的貝葉斯斷定準則

• 判別準則爲類先驗和類條件的連乘，容易致使數值下溢，採用對數方法
  
• 同時也避免出現零值,採用拉普拉斯修正進行平滑處理

面試
1.計算機算法實習生

• 工做職責：
  1.將傳感器採集的數據實現算法功能，利用機器學習算法模型訓練並實現分類;
  2.相關前沿技術方案的調研及實現;
  3.Java Web系統(後端、前端)的維護和模塊開發;
  4.團隊交辦的Java和Python,C /C++, Android相關開發任務;
  5.相關前沿技術方案的調研及實現;
  6.團隊交辦的其它任務及相關文檔撰寫和整理。
  
  

• 崗位要求:
  1.在讀碩士生或者優秀本科生;
  2.計算機應用等相關專業，數學和數據結構基礎很是紮實，有運動傳感器算法開發經驗者優先;3.具有基本的契約精神和情緒控制能力;4.熟悉C /C++, java,python語言開發;5.熟悉MySQL的使用;
  6.責任心強，具備較強的思考和解決問題的能力，具備較強的團隊溝通和協做能力;7.編程能力強者優先;
  8.簽定實習協議，須要本人導師贊成;外地學生，可協調解決住宿;
  9.實習期至少3個月．

• 面試內容及結果：
  1.c語言中的指針和指針數組如何表示，指針數組如何引用
  2.快速排序，冒泡排序的概念及如何算法實現
  3.後綴表達式利用棧進行實現
  4.關於機器學習的基本問題，主要的是數據的輸入，也就是特徵工程問題．

公司主要是作可穿戴設備的智能化，處理傳感器的數據．主要想找一個將公司項目做爲課題研究畢業的研究生．

2.python 開發實習生

• [職位描述]
  1.開發、維護、測試、優化金融量化分析系統
  2.包括但不限於數據整理、數據分析、數據展現等
  3.爲量化交易提供支持，包括數據整理、分析工具實現、風控等;
  4.整理、分析量化交易系統的日誌文件;

• [職位要求]
  1.熟悉Python,熟悉數據結構和算法，瞭解Matlab優先
  2.熟悉經常使用Python數據分析相關庫，如NumPy、 SciPy、 Pandas、 Matplotlib等
  3.加分項:有基本的MySQL、Django/Flask、 前端知識
  4.動手能力強，優秀的學習能力，獨立思考解決問題能力，工做積極主動，責任心強，具備出色的溝通能力和團隊合做精神
  5.對量化行業有興趣，有志於在量化投資領域長期發展，無需有金融相關背景和經驗
  6.211/985本科及以上學歷;理工科專業，計算機、自動化、軟件工程、電子信息工程、通訊工程等專業優先。
  7.實習時間:每週至少4天，至少實習4個月。

• 筆試內容：
  1基礎題：python中最簡單的數組slice問題，map()函數，range()和xrange()的區別，dict中的zip()函數，public and private變量及函數的實現
  2.程序設計：給定一個有字符有數字的輸入其長度都不定，用最短的的程序來實現，例如"ru180716"將"ru"提取出來；1-13十三個首尾相連，進行數數，數到"3"的退出，問最後留下的那個數對應的是原來的幾號．；利用python中的cummax()函數計算一個數列中其子數列的和最小，並返回
  3.結構題：理解一個多層複雜的遞歸程序，寫出其輸出結果
  

• 面試內容：
  主要仍是一些算法的基礎問題，分類問題的優化方法，特徵工程這一塊問得比較多，恰好又是個人知識盲點

3.天然語言處理實習生

• 崗位職責:
  基於業務數據，使用天然語言處理技術解決實際問題，包括但不限於情感分類、熱詞提取、主題抽取等。
  

• 崗位要求:
  一、全研究生以_上學歷在讀，計算機、數學、計算語言學等相關專業;
  二、熟練掌握Java或Python-種語言，了 解Linux系統的使用;
  三、熟悉機器學習相關基礎算法;
  四、有天然語言處理、機器學習、數據挖掘項目經驗者優先;
  五、必須至少保證一週五天、連續3個月的實習

• 面試問題：非技術面試，一個項目經理．瞭解到主要作的是文本標記來實現文章的情感分析，基礎工做可能作的比較多，像文章的人工打標籤，根據文章的類型來實現算法