超全的機(jī)器學(xué)習(xí)算法崗面試與提問(wèn)總結(jié)

加入極市專業(yè)CV交流群，與?10000+來(lái)自港科大、北大、清華、中科院、CMU、騰訊、百度?等名校名企視覺(jué)開(kāi)發(fā)者互動(dòng)交流！

同時(shí)提供每月大咖直播分享、真實(shí)項(xiàng)目需求對(duì)接、干貨資訊匯總，行業(yè)技術(shù)交流。關(guān)注?極市平臺(tái)?公眾號(hào)?，回復(fù)?加群，立刻申請(qǐng)入群~

就自己的經(jīng)驗(yàn)總結(jié)一些準(zhǔn)備機(jī)器學(xué)習(xí)算法崗位求職的粗淺經(jīng)驗(yàn)，簡(jiǎn)要地分享一下。一個(gè)完整的機(jī)器學(xué)習(xí)工程師的面試過(guò)程主要有以下這些環(huán)節(jié)：自我介紹、項(xiàng)目介紹、算法推導(dǎo)和解釋、數(shù)據(jù)結(jié)構(gòu)與算法題（寫(xiě)代碼）。

關(guān)于自我介紹，主要就是簡(jiǎn)單介紹下自己的教育背景，在校期間的研究方向和所做的項(xiàng)目以及在項(xiàng)目中所充當(dāng)?shù)慕巧鹊?，為之后的面試做個(gè)鋪墊，讓面試官?gòu)闹胁蹲近c(diǎn)來(lái)問(wèn)。

項(xiàng)目介紹是最為重要的，這也是體現(xiàn)你綜合實(shí)力的地方，對(duì)項(xiàng)目背景、項(xiàng)目實(shí)現(xiàn)的方案，項(xiàng)目所實(shí)現(xiàn)的東西都要了如指掌，做機(jī)器學(xué)習(xí)的，必然需要準(zhǔn)備一到兩個(gè)重點(diǎn)的機(jī)器學(xué)習(xí)項(xiàng)目，可以是比賽，也可以是實(shí)驗(yàn)室項(xiàng)目，關(guān)鍵是項(xiàng)目中間的技術(shù)細(xì)節(jié)都要了如指掌，比如你用了樹(shù)模型，就得知道所有樹(shù)模型相關(guān)的推導(dǎo)和原理，決不能含糊，一旦你說(shuō)不太清楚，面試官就會(huì)對(duì)項(xiàng)目的真實(shí)性存疑。參加比賽應(yīng)該是沒(méi)有實(shí)驗(yàn)室項(xiàng)目的同學(xué)最佳的積累經(jīng)驗(yàn)的途徑，比較好的比賽平臺(tái)有Kaggle、天池大數(shù)據(jù)、datacastle等

接下來(lái)就是機(jī)器學(xué)習(xí)算法原理和推導(dǎo)，這也是要重點(diǎn)去準(zhǔn)備的，在面試前得達(dá)到，給你一張白紙，你可以把推導(dǎo)的每一步寫(xiě)的清清楚楚的，推導(dǎo)的話面試常考邏輯回歸和SVM的推導(dǎo)，關(guān)于原理面試官常會(huì)問(wèn)你幾個(gè)樹(shù)模型之間的對(duì)比等等等，其他的算法比如LR、SVM、EM、Adaboost、PageRank、 FFM、決策樹(shù)，隨機(jī)森林， GBDT ， XGBoost 、推薦算法、聚類(lèi)、CNN、RNN、LSTM、Word2Vec等等，以及他們的適用場(chǎng)景，再如一些機(jī)器學(xué)習(xí)的理論，非平衡問(wèn)題、過(guò)擬合問(wèn)題，交叉驗(yàn)證問(wèn)題，模型選擇問(wèn)題，模型融合問(wèn)題。這一部分我會(huì)在文末貼出一個(gè)問(wèn)題集錦，大家按照這個(gè)去準(zhǔn)備就行。還有必看的書(shū)李航的《統(tǒng)計(jì)學(xué)習(xí)方法》、周志華的《機(jī)器學(xué)習(xí)》、項(xiàng)亮的《推薦系統(tǒng)實(shí)踐》

最后就是寫(xiě)代碼了，很多非計(jì)算機(jī)出身的大都會(huì)栽在這個(gè)地方，代碼寫(xiě)得少，訓(xùn)練不到位，就會(huì)導(dǎo)致當(dāng)場(chǎng)思路不清晰，不知從哪寫(xiě)起，但目前市面上已經(jīng)有很多專門(mén)為這塊總結(jié)的一些書(shū)籍，推薦使用《劍指offer》、《王道程序員求職寶典》等等，有時(shí)間的話再刷一下leetcode。排序算法、查找算法、二叉樹(shù)遍歷這些最基本的一定要很順溜的寫(xiě)下來(lái)，其他的就看自己去拓展了。

至于進(jìn)入互聯(lián)網(wǎng)公司之后，算法工程師或者數(shù)據(jù)挖掘工程師的工作內(nèi)容有哪些呢？大部分的同學(xué)就是在跑數(shù)據(jù)，各種MapReduce，Hive SQL，數(shù)據(jù)倉(cāng)庫(kù)搬磚，然后進(jìn)行很耗費(fèi)時(shí)間的數(shù)據(jù)清洗，對(duì)業(yè)務(wù)進(jìn)行分析，對(duì)案例進(jìn)行分析，不斷的找特征，再丟到模型里面。大部分的與業(yè)務(wù)結(jié)合緊密的模型的算法優(yōu)化都是有足夠業(yè)務(wù)經(jīng)驗(yàn)的數(shù)據(jù)科學(xué)家在做，而沒(méi)有經(jīng)驗(yàn)的應(yīng)屆生需要慢慢培養(yǎng)對(duì)業(yè)務(wù)的敏感度和對(duì)數(shù)據(jù)的認(rèn)知，這也是稱為數(shù)據(jù)科學(xué)家必需的技能。

以下是我總結(jié)出來(lái)的在算法崗面試過(guò)程中可能會(huì)遇到的問(wèn)題，都分門(mén)別類(lèi)的按照算法排列好了，大家可以在系統(tǒng)地梳理了一遍算法之后對(duì)問(wèn)題進(jìn)行排查，爭(zhēng)取每個(gè)問(wèn)題都可以答得上來(lái)，當(dāng)然針對(duì)自己項(xiàng)目里的遇到的算法，就更需要熟悉掌握了。

此外，在準(zhǔn)備面試的過(guò)程中，我自己總結(jié)了幾個(gè)系列的筆記，【機(jī)器學(xué)習(xí)系列】【數(shù)據(jù)結(jié)構(gòu)與算法】【自然語(yǔ)言處理】【深度學(xué)習(xí)】【數(shù)據(jù)分析】等，大家可以直接訪問(wèn)個(gè)人博客：http://plushunter.github.io

• SVM：

  • 簡(jiǎn)單介紹SVM（詳細(xì)原理）：從分類(lèi)平面，到求兩類(lèi)間的最大間隔，到轉(zhuǎn)化為求間隔分之一，等優(yōu)化問(wèn)題，然后就是優(yōu)化問(wèn)題的解決辦法，首先是用拉格拉日乘子把約束優(yōu)化轉(zhuǎn)化為無(wú)約束優(yōu)化，對(duì)各個(gè)變量求導(dǎo)令其為零，得到的式子帶入拉格朗日式子從而轉(zhuǎn)化為對(duì)偶問(wèn)題， 最后再利用SMO（序列最小優(yōu)化）來(lái)解決這個(gè)對(duì)偶問(wèn)題。svm里面的c有啥用
  • SVM的推導(dǎo)，解釋原問(wèn)題和對(duì)偶問(wèn)題，SVM原問(wèn)題和對(duì)偶問(wèn)題的關(guān)系，KKT限制條件，KKT條件用哪些，完整描述；軟間隔問(wèn)題，解釋支持向量、核函數(shù)（哪個(gè)地方引入、畫(huà)圖解釋高維映射，高斯核可以升到多少維，如何選擇核函數(shù)），引入拉格朗日的優(yōu)化方法的原因，最大的特點(diǎn)，損失函數(shù)解釋，
  • SVM與LR最大區(qū)別，LR和SVM對(duì)于outlier的敏感程度分析，邏輯回歸與SVM的區(qū)別
  • 為什么要把原問(wèn)題轉(zhuǎn)換為對(duì)偶問(wèn)題？因?yàn)樵瓎?wèn)題是凸二次規(guī)劃問(wèn)題，轉(zhuǎn)換為對(duì)偶問(wèn)題更加高效。為什么求解對(duì)偶問(wèn)題更加高效？因?yàn)橹挥们蠼鈇lpha系數(shù)，而alpha系數(shù)只有支持向量才非0，其他全部為0.alpha系數(shù)有多少個(gè)？樣本點(diǎn)的個(gè)數(shù)
  • 加大訓(xùn)練數(shù)據(jù)量一定能提高SVM準(zhǔn)確率嗎？
  • 與感知器的聯(lián)系和優(yōu)缺點(diǎn)比較
  • 如何解決多分類(lèi)問(wèn)題、可以做回歸嗎，怎么做
  • 它與其他分類(lèi)器對(duì)比的優(yōu)缺點(diǎn)，它的速度
  • 機(jī)器學(xué)習(xí)有很多關(guān)于核函數(shù)的說(shuō)法，核函數(shù)的定義和作用是什么？https://www.zhihu.com/question/24627666
  • 支持向量機(jī)(SVM)是否適合大規(guī)模數(shù)據(jù)？https://www.zhihu.com/question/19591450
  • SVM和邏輯斯特回歸對(duì)同一樣本A進(jìn)行訓(xùn)練，如果某類(lèi)中增加一些數(shù)據(jù)點(diǎn)，那么原來(lái)的決策邊界分別會(huì)怎么變化？https://www.zhihu.com/question/30123068
  • 各種機(jī)器學(xué)習(xí)的應(yīng)用場(chǎng)景分別是什么？例如，k近鄰,貝葉斯，決策樹(shù)，svm，邏輯斯蒂回歸和最大熵模型。https://www.zhihu.com/question/26726794
  • Linear SVM 和 LR 有什么異同？https://www.zhihu.com/question/26768865

• LR

  • LR推導(dǎo)（伯努利過(guò)程，極大似然，損失函數(shù)，梯度下降）有沒(méi)有最優(yōu)解？
  • LR可以用核么？可以怎么用？l1和l2正則項(xiàng)是啥？lr加l1還是l2好？加哪個(gè)可以用核（加l2正則項(xiàng)，和svm類(lèi)似，加l2正則項(xiàng)可以用核方便處理）
  • LR可以用來(lái)處理非線性問(wèn)題么？（還是lr啊 只不過(guò)是加了核的lr 這里加核是顯式地把特征映射到高維 然后再做lr）怎么做？可以像SVM那樣么？為什么？
  • 為什么LR需要?dú)w一化或者取對(duì)數(shù)，為什么LR把特征離散化后效果更好，為什么把特征組合之后還能提升，反正這些基本都是增強(qiáng)了特征的表達(dá)能力，或者說(shuō)更容易線性可分吧
  • 美團(tuán)技術(shù)團(tuán)隊(duì)《Logistic Regression 模型簡(jiǎn)介》https://tech.meituan.com/intro_to_logistic_regression.html
  • SVM和logistic回歸分別在什么情況下使用？https://www.zhihu.com/question/21704547
  • 邏輯斯蒂回歸能否解決非線性分類(lèi)問(wèn)題？https://www.zhihu.com/question/29385169
  • 為什么LR可以用來(lái)做CTR預(yù)估？https://www.zhihu.com/question/23652394
  • 邏輯回歸估計(jì)參數(shù)時(shí)的目標(biāo)函數(shù) （就是極大似然估計(jì)那部分），邏輯回歸估計(jì)參數(shù)時(shí)的目標(biāo)函數(shù) （呵呵，第二次） 邏輯回歸估計(jì)參數(shù)時(shí)的目標(biāo)函數(shù) 如果加上一個(gè)先驗(yàn)的服從高斯分布的假設(shè)，會(huì)是什么樣（天啦。我不知道，其實(shí)就是在后面乘一個(gè)東西，取log后就變成加一個(gè)東西，實(shí)際就變成一個(gè)正則項(xiàng)）
  • 邏輯回歸估計(jì)參數(shù)時(shí)的目標(biāo)函數(shù)邏輯回歸的值表示概率嗎？（值越大可能性越高，但不能說(shuō)是概率）
  • 手推邏輯回歸目標(biāo)函數(shù)，正類(lèi)是1，反類(lèi)是-1，這里挖了個(gè)小坑，一般都是正例是1，反例是0的，他寫(xiě)的時(shí)候我就注意到這個(gè)坑了，然而寫(xiě)的太快又給忘了，衰，后來(lái)他提醒了一下，改了過(guò)來(lái)，就是極大似然函數(shù)的指數(shù)不一樣，然后說(shuō)我這里的面試就到這了。
  • 看沒(méi)看過(guò)scikit-learn源碼LR的實(shí)現(xiàn)？（回頭看了一下是調(diào)用的liblinear，囧）
  • 為什么LR需要?dú)w一化或者取對(duì)數(shù)，為什么LR把特征離散化后效果更好，為什么把特征組合之后還能提升，反正這些基本都是增強(qiáng)了特征的表達(dá)能力，或者說(shuō)更容易線性可分吧
  • naive bayes和logistic regression的區(qū)別http://m.blog.csdn.net/blog/muye5/19409615
  • LR為什么用sigmoid函數(shù)。這個(gè)函數(shù)有什么優(yōu)點(diǎn)和缺點(diǎn)？為什么不用其他函數(shù)？sigmoid函數(shù)由那個(gè)指數(shù)族分布，加上二項(xiàng)分布導(dǎo)出來(lái)的。損失函數(shù)是由最大似然估計(jì)求出的。
  • 了解其他的分類(lèi)模型嗎，問(wèn)LR缺點(diǎn)，LR怎么推導(dǎo)（當(dāng)時(shí)我真沒(méi)準(zhǔn)備好，寫(xiě)不出來(lái)）寫(xiě)LR目標(biāo)函數(shù)，目標(biāo)函數(shù)怎么求最優(yōu)解（也不會(huì)）講講LR的梯度下降，梯度下降有哪幾種，邏輯函數(shù)是啥

• L1和L2

  • L2正則化，為什么L2正則化可以防止過(guò)擬合？L1正則化是啥？
  • 深度學(xué)習(xí)里面怎么防止過(guò)擬合？（data aug；dropout；multi-task learning）如何防止過(guò)擬合，我跟他列舉了4中主要防止過(guò)擬合方法：Early Stopping、數(shù)據(jù)集擴(kuò)充、正則化法以及dropout，還詳細(xì)跟他說(shuō)了每種方法原理及使用的場(chǎng)景，并解釋我在哪些項(xiàng)目里具體用到了這些方法，
  • 機(jī)器學(xué)習(xí)中使用「正則化來(lái)防止過(guò)擬合」到底是一個(gè)什么原理？為什么正則化項(xiàng)就可以防止過(guò)擬合？https://www.zhihu.com/question/20700829
  • 機(jī)器學(xué)習(xí)中常常提到的正則化到底是什么意思？https://www.zhihu.com/question/20924039
  • 什么是正則項(xiàng)，L1范式，L2范式區(qū)別是什么，各自用在什么地方？L1 與 L2 的區(qū)別以及如何解決 L1 求導(dǎo)困難；
  • L1正則為什么能讓系數(shù)變?yōu)?？L1正則怎么處理0點(diǎn)不可導(dǎo)的情形？（這個(gè)誰(shuí)會(huì)？近端梯度下降）
  • L0，L1，L2正則化(如果能推導(dǎo)絕對(duì)是加分項(xiàng)，一般人最多能畫(huà)個(gè)等高線，L0是NP問(wèn)題)其實(shí)上面的這些問(wèn)題基本都能在《李航：統(tǒng)計(jì)學(xué)習(xí)方法》《周志華：機(jī)器學(xué)習(xí)》里面找到，能翻個(gè)4，5遍基本就無(wú)壓力了
  • 避免過(guò)擬合策略、如何提高模型泛化能力、L1與L2正則區(qū)別，優(yōu)缺點(diǎn)、生成式，判別式模型、深度學(xué)習(xí)這塊了解多少、
  • 如何克服過(guò)擬合，欠擬合
  • L1 與 L2 的區(qū)別以及如何解決 L1 求導(dǎo)困難；
  • L1正則為什么可以把系數(shù)壓縮成0，坐標(biāo)下降法的具體實(shí)現(xiàn)細(xì)節(jié)
  • 為什么L1正則可以實(shí)現(xiàn)參數(shù)稀疏，而L2正則不可以？為什么L1很多系數(shù)可以被壓縮為0，L2是被壓縮至接近于0？

• 樹(shù)模型

  • rf ， gbdt 的區(qū)別；gbdt ， xgboost 的區(qū)別（爛大街的問(wèn)題最好從底層原理去分析回答）
  • 介紹決策樹(shù)，談了3種決策樹(shù)及其區(qū)別和適應(yīng)場(chǎng)景
  • 決策樹(shù)處理連續(xù)值的方法；簡(jiǎn)單介紹決策樹(shù)幾種算法，有什么區(qū)別？
  • 決策樹(shù)基本模型介紹？決策樹(shù)算法中缺失值怎么處理？決策樹(shù)算法在應(yīng)用中有什么值得注意的地方。SVM、LR、決策樹(shù)的對(duì)比？GBDT 和 決策森林 的區(qū)別？決策樹(shù)的特性？（3 ）決策樹(shù)處理連續(xù)值的方法；
  • 解釋下隨機(jī)森林和gbdt的區(qū)別。gbdt的boosting體現(xiàn)在哪里。解釋下隨機(jī)森林節(jié)點(diǎn)的分裂策略，以及它和gbdt做分類(lèi)有什么區(qū)別？哪個(gè)效果更好些？為什么？哪個(gè)更容易過(guò)擬合？為什么？問(wèn)了隨機(jī)森林的損失函數(shù)，和lr的優(yōu)缺點(diǎn)對(duì)比， adaboost和隨機(jī)森林的比較，為了防止隨機(jī)森林過(guò)擬合可以怎么做，是否用過(guò)隨機(jī)森林，怎么用的。
  • 隨機(jī)森林和GBDT的區(qū)別？CART（回歸樹(shù)用平方誤差最小化準(zhǔn)則，分類(lèi)樹(shù)用基尼指數(shù)最小化準(zhǔn)則）
  • GBDT（利用損失函數(shù)的負(fù)梯度在當(dāng)前模型的值作為回歸問(wèn)題提升樹(shù)算法中的殘差的近似值，擬合一個(gè)回歸樹(shù)）
  • 隨機(jī)森林（Bagging+CART）
  • SVM與隨機(jī)森林比較
  • 改變隨機(jī)森林的訓(xùn)練樣本數(shù)據(jù)量，是否會(huì)影響到隨機(jī)森林學(xué)習(xí)到的模型的復(fù)雜度
  • Logistics與隨機(jī)森林比較
  • GBDT與隨機(jī)森林比較隨機(jī)森林的學(xué)習(xí)過(guò)程；隨機(jī)森林中的每一棵樹(shù)是如何學(xué)習(xí)的；隨機(jī)森林學(xué)習(xí)算法中CART樹(shù)的基尼指數(shù)是什么？
  • RF 與 GBDT 區(qū)別，原理優(yōu)缺點(diǎn)適用場(chǎng)景分析，哪個(gè)具備交叉驗(yàn)證功能等
  • 接著寫(xiě)一下信息增益的公式。之后就是問(wèn)機(jī)器學(xué)習(xí)相關(guān)算法，說(shuō)了一下bagging跟boosting，之后問(wèn)了GBDT（沒(méi)做過(guò)，只能說(shuō)說(shuō)大體思路）。（2 ） rf ， gbdt 的區(qū)別；gbdt ， xgboost 的區(qū)別；
  • 說(shuō)說(shuō)xgboost、gbdt區(qū)別、Tree-based Model如何處理連續(xù)型特征。
  • 讓我把一個(gè)完整的數(shù)據(jù)挖掘流程講一下，從預(yù)處理，特征工程，到模型融合。介紹常用的算法，gbdt和xgboost區(qū)別，具體怎么做預(yù)處理，特征工程，模型融合常用方式，融合一定會(huì)提升嗎？
  • gbdt樹(shù)根據(jù)什么分裂（瞎扯的梯度近似殘差、梯度下降方向，其實(shí)還是信息增益這種東西）
  • gbdt怎么并發(fā)（特征選擇層面，樹(shù)層面不能并發(fā)）
  • 介紹LR、RF、GBDT ，分析它們的優(yōu)缺點(diǎn)，是否寫(xiě)過(guò)它們的分布式代碼
  • XGB和GBDT區(qū)別與聯(lián)系也會(huì)經(jīng)常問(wèn)到：https://www.zhihu.com/question/41354392/answer/128008021?group_id=773629156532445184
  • CART（回歸樹(shù)用平方誤差最小化準(zhǔn)則，分類(lèi)樹(shù)用基尼指數(shù)最小化準(zhǔn)則）、Logistics（推導(dǎo)）、GBDT（利用損失函數(shù)的負(fù)梯度在當(dāng)前模型的值作為回歸問(wèn)題提升樹(shù)算法中的殘差的近似值，擬合一個(gè)回歸樹(shù)）
  • 在面試過(guò)程中主動(dòng)引導(dǎo)面試官提問(wèn)，比如面試官讓你講解 gbdt 原理時(shí)，這會(huì)你可以跟他說(shuō)，一般說(shuō)起 gbdt ，我們都會(huì)跟 rf 以及 xgboost 一塊講，然后你就可以主動(dòng)地向面試官輸出你的知識(shí)；面試并不是死板地你問(wèn)我答，而是一種溝通交流，所以盡可能地把面試轉(zhuǎn)化成聊天式的對(duì)話，多輸出自己一些有價(jià)值的觀點(diǎn)而不是僅僅為了回答面試官的問(wèn)題；
  • 幾種樹(shù)模型的原理和對(duì)比，
  • 特征選取怎么選？為什么信息增益可以用來(lái)選特征？
  • 信息熵和基尼指數(shù)的關(guān)系(信息熵在x=1處一階泰勒展開(kāi)就是基尼指數(shù))
  • 介紹xgboost一下。寫(xiě)下xgboost目標(biāo)函數(shù)。（因?yàn)槲姨岬絰gboost在目標(biāo)函數(shù)里顯式地加入了正則項(xiàng)..血雪崩）怎么調(diào)整XGB參數(shù)；xgboost原理

• K-means

  • k-means 聚類(lèi)的原理以及缺點(diǎn)及對(duì)應(yīng)的改進(jìn)；kmeans 算法的優(yōu)缺點(diǎn)。。。。
  • kmeans 的原理，優(yōu)缺點(diǎn)以及改進(jìn)；
  • em 與 kmeans 的關(guān)系；
  • kmeans 代碼；
  • 說(shuō)說(shuō) Kmeans 算法， Kmeans 算法 K 怎么設(shè)置、適用什么樣數(shù)據(jù)集、怎么評(píng)價(jià) Kmeans 聚類(lèi)結(jié)果、 Kmeans 有什么優(yōu)缺點(diǎn)？你的項(xiàng)目中使用 Kmeans 遇到哪些問(wèn)題，怎么解決的 ?
  • 用 EM 算法推導(dǎo)解釋 Kmeans。
  • KMeans的算法偽代碼
  • 如何判斷自己實(shí)現(xiàn)的 LR、Kmeans 算法是否正確？
  • 如何優(yōu)化kmeans算法
  • 如何用hadoop實(shí)現(xiàn)k-means
  • 手寫(xiě)k-means的偽代碼（就6行）

• 集成學(xué)習(xí)

  • bagging和boosting是怎么做的和他們的比較
  • 詳細(xì)討論了樣本采樣和bagging的問(wèn)題
  • 聊的比較多的是如何知道一個(gè)特征的重要性，如何做ensemble哪些方法比較好。聊了聊計(jì)算廣告方面FM，embedding。
  • 常見(jiàn)融合框架原理，優(yōu)缺點(diǎn)，bagging，stacking，boosting，為什么融合能提升效果
  • 是否了解線性加權(quán)、bagging、boosting、cascade等模型融合方式
  • K-means起始點(diǎn)http://www.cnki.com.cn/Article/CJFDTotal-DNZS200832067.htm

• 貝葉斯

  • 樸素貝葉斯分類(lèi)器原理以及公式，出現(xiàn)估計(jì)概率值為 0 怎么處理（拉普拉斯平滑），缺點(diǎn)；
  • 解釋貝葉斯公式和樸素貝葉斯分類(lèi)。
  • 貝葉斯分類(lèi)，這是一類(lèi)分類(lèi)方法，主要代表是樸素貝葉斯，樸素貝葉斯的原理，重點(diǎn)在假設(shè)各個(gè)屬性類(lèi)條件獨(dú)立。然后能根據(jù)貝葉斯公式具體推導(dǎo)?？疾旖o你一個(gè)問(wèn)題，如何利用樸素貝葉斯分類(lèi)去分類(lèi)，比如：給你一個(gè)人的特征，判斷是男是女，比如身高，體重，頭發(fā)長(zhǎng)度等特征的的數(shù)據(jù)，那么你要能推到這個(gè)過(guò)程。給出最后的分類(lèi)器公式。
  • 那你說(shuō)說(shuō)貝葉斯怎么分類(lèi)??？比如說(shuō)看看今天天氣怎么樣？我：blabla，，，利用天氣的歷史數(shù)據(jù)，可以知道天氣類(lèi)型的先驗(yàn)分布，以及每種類(lèi)型下特征數(shù)據(jù)（比如天氣數(shù)據(jù)的特征：溫度啊，濕度?。┑臈l件分布，這樣我們根據(jù)貝葉斯公式就能求得天氣類(lèi)型的后驗(yàn)分布了。。。。面試官：en（估計(jì)也比較滿意吧）那你了解關(guān)于求解模型的優(yōu)化方法嗎？一般用什么優(yōu)化方法來(lái)解？
  • 貝葉斯分類(lèi)器的優(yōu)化和特殊情況的處理

• 深度學(xué)習(xí)

  • 解釋一下CNN、介紹CNN、卷積公式，以及特點(diǎn)，假設(shè)面試官什么都不懂，詳細(xì)解釋 CNN 的原理；問(wèn)CNN的細(xì)節(jié)特點(diǎn)，哪些特點(diǎn)使得CNN這么好用，哪些場(chǎng)景用CNN可以，抽象一下這些場(chǎng)景的特征，可以降采樣但仍能保持主要信息；為什么CNN要用權(quán)值共享？（每個(gè)卷積核相當(dāng)于一個(gè)特征提取器，它的任務(wù)是匹配局部圖像中的特征，權(quán)值共享后，匹配的特征方式都是一樣的，提取若干特征后就知道學(xué)習(xí)的是啥了）
  • 局部連接可以保證獲取局部信息；權(quán)值共享保證高效，DNN和CNN相比有哪些區(qū)別，用過(guò)RNN么？畫(huà)一下RNN的圖，你在深度學(xué)習(xí)過(guò)程中遇到過(guò)哪些問(wèn)題？如果出現(xiàn)過(guò)擬合你怎么辦？
  • dropout是什么？它有什么用？你會(huì)怎么用它？當(dāng)全連接跟dropout連著用需要注意什么？你之前過(guò)擬合怎么解決的？如果本身training loss就很大你怎么辦？如果數(shù)據(jù)不變，怎么調(diào)整網(wǎng)絡(luò)結(jié)構(gòu)解決這個(gè)問(wèn)題？dropout內(nèi)部是怎么實(shí)現(xiàn)只讓部分信號(hào)通過(guò)并不更新其余部分對(duì)于輸入的權(quán)值的？
  • 梯度消失知道么？為什么會(huì)出現(xiàn)梯度消失？dnn和rnn中的梯度消失原理一樣么？dnn中是哪個(gè)部分導(dǎo)致梯度消失？（激活層如sigmoid）rnn中怎么解決梯度消失問(wèn)題？（lstm的結(jié)構(gòu)相對(duì)普通RNN多了加和，為避免梯度消散提供了可能。線性自連接的memory是關(guān)鍵。）
  • 給定一個(gè)輸入，算輸出的feature map大小。卷積有啥用？池化有啥用？有哪些池化方式？池化除了降采樣還有啥用？還有哪些層你用過(guò)？
  • 講講BN（BatchNormalization）為什么好？全連接有什么用處？知道RNN么？講講RNN大致的實(shí)現(xiàn)思路。
  • 細(xì)講下lstm的結(jié)構(gòu)，這樣設(shè)計(jì)為什么好？（門(mén)關(guān)閉，當(dāng)前信息不需要，只有歷史依賴；門(mén)打開(kāi)，歷史和當(dāng)前加權(quán)平均）
  • 你覺(jué)得梯度消失靠引入一些新的激活層可以完全解決么？為什么？
  • 問(wèn)了做的比賽里面使用tensorflow的細(xì)節(jié)，LSTM里調(diào)參的細(xì)節(jié)
  • 用過(guò)哪些庫(kù)或者工具，mkl，cuda這些會(huì)用嗎？
  • 有一個(gè)弱分類(lèi)器和大量未被標(biāo)記過(guò)的圖像數(shù)據(jù)，如何人工標(biāo)記圖像來(lái)對(duì)分類(lèi)器進(jìn)行提升
  • 介紹下RNN和它的優(yōu)缺點(diǎn)
  • 讓我推導(dǎo)BP反向傳播、隨機(jī)梯度下降法權(quán)重更新公式
  • 卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)特點(diǎn)、各參數(shù)對(duì)模型結(jié)果影響、項(xiàng)目進(jìn)展遇到的難題、推導(dǎo)BP神經(jīng)網(wǎng)絡(luò)參數(shù)更新方式、隨機(jī)梯度下降法（SGD）優(yōu)化函數(shù)存在的缺點(diǎn)以及擬牛頓法在優(yōu)化函數(shù)使用上更有優(yōu)勢(shì)、修改Caffe開(kāi)源框架、開(kāi)源社區(qū)代碼貢獻(xiàn)量、行業(yè)發(fā)展趨勢(shì)及問(wèn)題，知道目前深度學(xué)習(xí)的一個(gè)趨勢(shì)，也了解到最新行業(yè)發(fā)展動(dòng)態(tài)，改進(jìn)相機(jī)智能化程度，也聊到了美顏相機(jī)美顏效果以及小米相機(jī)人臉?lè)诸?lèi)、年齡檢測(cè)等等不足之處，了解到新興行業(yè)大佬商湯科技和曠視科技（face++臉草）在研究的熱門(mén)方向
  • 如何減少參數(shù)（權(quán)值共享、VGG的感受野、GoogLeNet的inception ），激活函數(shù)的選擇（sigmoid->ReLu->LReLU->PReLU ），為什么之前沒(méi)有深度網(wǎng)絡(luò)出現(xiàn)（數(shù)據(jù)量不夠+機(jī)器性能），由數(shù)據(jù)引申到數(shù)據(jù)不平衡怎么處理（10W正例，1W負(fù)例，?？蜕嫌性}），
  • DNN原理，應(yīng)用……
  • 圖像處理題：如何找相似圖片。我說(shuō)用感知哈希算法，計(jì)算漢明距離，他說(shuō)這種方法精度不行；我說(shuō)那就用SIFT算法吧，他說(shuō)SIFT效果還可以，但計(jì)算有點(diǎn)繁重，有沒(méi)有輕量級(jí)的方法？我想起來(lái)去年在美圖秀秀實(shí)習(xí)時(shí)，曾經(jīng)做過(guò)一種圖像濾波算法，有一步是把像素點(diǎn)用K-means聚類(lèi)。我就說(shuō)先把圖片灰度化，然后用K-means聚類(lèi)，把聚類(lèi)后的各個(gè)中心點(diǎn)作為一張圖片的特征向量如果兩張圖片的特征向量相近則說(shuō)明這兩張圖片相似。貌似我這個(gè)答案有點(diǎn)出乎他的意料，他意味深長(zhǎng)地說(shuō)了個(gè)“行吧~~~~”（個(gè)人覺(jué)得顏色直方圖匹配是個(gè)他期待的常規(guī)回答）
  • 介紹卷積神經(jīng)網(wǎng)絡(luò)，和 DBN 有什么區(qū)別？
  • Deep CNN, Deep RNN, RBM的典型應(yīng)用與局限，看Hinton講義和Paper去吧
  • 神經(jīng)網(wǎng)絡(luò),plsi的推導(dǎo)
  • 驗(yàn)證碼圖片的去噪和提取字符
  • 有限狀態(tài)自動(dòng)機(jī),然后要我畫(huà)狀態(tài)轉(zhuǎn)移圖.

• 聚類(lèi)

  • 用過(guò)哪些聚類(lèi)算法，解釋密度聚類(lèi)算法。
  • 聚類(lèi)算法中的距離度量有哪些？

• 優(yōu)化

  • 梯度下降的優(yōu)缺點(diǎn)；主要問(wèn)最優(yōu)化方面的知識(shí)，梯度下降法的原理以及各個(gè)變種（批量梯度下降，隨機(jī)梯度下降法， mini 梯度下降法），以及這幾個(gè)方法會(huì)不會(huì)有局部最優(yōu)問(wèn)題，牛頓法原理和適用場(chǎng)景，有什么缺點(diǎn)，如何改進(jìn)（擬牛頓法）
  • 常用優(yōu)化算法：1.梯度下降法：又有隨機(jī)梯度下降和負(fù)梯度下降，2.牛頓法 主要是問(wèn)了各自的優(yōu)缺點(diǎn)，速度，能不能得到全局最優(yōu)解，牛頓法的二次收斂等
  • 問(wèn)你如果有若干個(gè)極小值點(diǎn)，如何避免陷入局部最優(yōu)解。
  • 它們間的牛頓學(xué)習(xí)法、SGD如何訓(xùn)練，
  • 如何判斷函數(shù)凸或非凸？
  • 線性回歸的梯度下降和牛頓法求解公式的推導(dǎo)
  • 最速下降法和共軛梯度法 wolfe條件 最速下降法和共軛梯度法的收斂速度如何判斷
  • 深刻理解常用的優(yōu)化方法：梯度下降、牛頓法、各種隨機(jī)搜索算法（基因、蟻群等等），深刻理解的意思是你要知道梯度下降是用平面來(lái)逼近局部，牛頓法是用曲面逼近局部等等。

• 推薦系統(tǒng)

  • 介紹SVD、SVD++
  • 推薦系統(tǒng)的冷啟動(dòng)問(wèn)題如何解決
  • 深度學(xué)習(xí)在推薦系統(tǒng)上可能有怎樣的發(fā)揮？
  • 推薦系統(tǒng)的算法中最近鄰和矩陣分解各自適用場(chǎng)景
  • 白板寫(xiě)SVD/SVD++公式，SGD迭代更新p，q矩陣公式，SVD/SVD++優(yōu)化方法
  • 對(duì)推薦算法的未來(lái)看法；
  • 用過(guò)什么算法？最好是在項(xiàng)目/實(shí)習(xí)的大數(shù)據(jù)場(chǎng)景里用過(guò)，比如推薦里用過(guò) CF、LR，
  • 我面的推薦，問(wèn)了各類(lèi)協(xié)同過(guò)濾的好與壞。
  • 問(wèn)了一個(gè)很有意思的問(wèn)題，現(xiàn)實(shí)應(yīng)用中的Top-N推薦問(wèn)題和學(xué)術(shù)研究中的評(píng)分預(yù)測(cè)問(wèn)題之間有什么不同。問(wèn)我ItemCF的工程實(shí)現(xiàn)，面對(duì)大數(shù)據(jù)如何實(shí)現(xiàn)，又追問(wèn)了有沒(méi)有什么工程優(yōu)化算法。這個(gè)問(wèn)題我沒(méi)答好，一開(kāi)始我說(shuō)了一個(gè)MapReduce模型，他問(wèn)能不能更快一點(diǎn)，我就卡那了。。。最后面試官告訴我，不能只從算法角度分析，要從系統(tǒng)設(shè)計(jì)分析，利用內(nèi)存來(lái)減小MapReduce的吞吐量。（當(dāng)然也許從MapReduce那一刻開(kāi)始我就輸了也不一定）
  • 推薦系統(tǒng)的算法中最近鄰和矩陣分解各自適用場(chǎng)景http://www.doc88.com/p-3961053026557.html

• PCA

  • 那你對(duì)pca了解嗎？我：了解啊，面試官：那講一下pca是用***嘛的？我：pca啊，可以用來(lái)分析主方向啊，降維啊，特征篩選啊，具體方法是用svd分解得到特征值矩陣和特征向量矩陣，然后根據(jù)不同的任務(wù)對(duì)選擇特征值或向量進(jìn)行計(jì)算。

• EM

  • 采用 EM 算法求解的模型有哪些，為什么不用牛頓法或梯度下降法？

• NLP

  • 用過(guò)哪些 NLP 算法項(xiàng)目中用過(guò)哪些機(jī)器學(xué)習(xí)算法。
  • 海量的 item 算文本相似度的優(yōu)化方法；
  • 解釋 word2vec 的原理以及哈夫曼樹(shù)的改進(jìn)；word2vec的原理
  • 二面面試官主要跟我聊簡(jiǎn)歷上的幾個(gè)項(xiàng)目，他好像不能理解詞向量的形式，反復(fù)解釋了很多遍，問(wèn)的問(wèn)題都比較簡(jiǎn)單，有TF-IDF,余弦相似度，分詞工具等等。
  • 然后我說(shuō)我做過(guò)LDA，問(wèn)我，Dirichlet Distribution的定義和性質(zhì)，并問(wèn)我，為什么它和multinomial distribution是共軛的，順便問(wèn)了我啥叫共軛分布。

• 關(guān)聯(lián)分析：

  • 項(xiàng)目中涉及到頻繁模式挖掘，于是問(wèn)了一下如何實(shí)現(xiàn)的？用的是 Apriori算法，描述他的原理過(guò)程，關(guān)鍵字眼：支持度，支持度計(jì)數(shù)，k項(xiàng)候選頻繁項(xiàng)集，怎么從k項(xiàng)到k+1項(xiàng)等，連接剪枝過(guò)程。

• hadoop

  • 簡(jiǎn)單介紹 MapReduce 原理，有沒(méi)有看過(guò)源碼，說(shuō)說(shuō) Map 階段怎么實(shí)現(xiàn)的,
  • MapReduce 實(shí)現(xiàn)統(tǒng)計(jì)出現(xiàn)次數(shù)最多的前 100 個(gè)訪問(wèn) IP.
  • MapReduce 實(shí)現(xiàn)統(tǒng)計(jì)不重復(fù)用戶 ID,MapReduce 實(shí)現(xiàn)兩個(gè)數(shù)據(jù)集求交集。
  • HBase 行健怎么設(shè)計(jì),spark 性能一般優(yōu)化方法,spark streaming 和 storm 區(qū)別.給了一張筆試題， 10 道選擇，一道大題。選擇題是 java 基礎(chǔ)知識(shí)，大題一個(gè)有三問(wèn)：根據(jù)場(chǎng)景寫(xiě)出 Hive 建表語(yǔ)句；Hsql 從表中查詢；
  • 用MapReduce寫(xiě)好友推薦，在一堆單詞里面找出現(xiàn)次數(shù)最多的k個(gè)
  • 用分布式的方法做采樣怎么保證采樣結(jié)果完全符合預(yù)期？
  • 后面又問(wèn)了Hadoop,Spark,storm下面的產(chǎn)品，原理，適用場(chǎng)景，
  • 寫(xiě)一個(gè) Hadoop 版本的 wordcount。

• HMM

  • 實(shí)現(xiàn) hmm 的狀態(tài)轉(zhuǎn)移代碼；

• 機(jī)器學(xué)習(xí)理論

  • 講機(jī)器學(xué)習(xí)中常用的損失函數(shù)有哪些？交叉熵有什么好處？（凸優(yōu)化問(wèn)題）
  • 判別模型與生成模型的本質(zhì)區(qū)別是什么
  • 分類(lèi)模型和回歸模型的區(qū)別，分類(lèi)模型可以做回歸分析嗎？反過(guò)來(lái)可以嗎？（我回答是分類(lèi)不可以做回歸，回歸倒是可以做分類(lèi)，不知道對(duì)不對(duì)）
  • k折交叉驗(yàn)證 中k取值多少有什么關(guān)系 （我不知道，隨便答，然后面試官后面問(wèn)我知道bias和variance嗎？估計(jì)是和這兩個(gè)東西有關(guān)， 知乎上有個(gè)問(wèn)題討論了k值大小與bias和variance的關(guān)系）
  • 解釋局部相關(guān)性
  • 特征選擇的方法；
  • 在模型的訓(xùn)練迭代中，怎么評(píng)估效果；
  • 特征選擇方法有哪些(能說(shuō)出來(lái)10種以上加分)，之后和面試官仔細(xì)聊了一下特征選擇的問(wèn)題，我介紹了了解的幾種基本的特征選擇思路（錯(cuò)誤率選擇、基于熵的選擇、類(lèi)內(nèi)類(lèi)間距離的選擇）；
  • 有沒(méi)有接觸過(guò)機(jī)器學(xué)習(xí)的前沿，深度學(xué)習(xí)看過(guò)paper沒(méi)有？（并沒(méi)有）
  • 如何用盡可能少的樣本訓(xùn)練模型同時(shí)又保證模型的性能；
  • 你讀哪些期刊會(huì)議的論文？你遇到的比較有意思的算法？
  • 生成模型，判別模型
  • 線性分類(lèi)和非線性分類(lèi)各有哪些模型
  • 比較各個(gè)模型的Loss function，
  • 設(shè)計(jì)一個(gè)結(jié)構(gòu)存取稀疏矩陣 （面試官最后告訴我了一個(gè)極度壓縮的存法，相同行或列存偏差，我當(dāng)時(shí)沒(méi)聽(tīng)懂，還不懂裝懂，最后還是沒(méi)記?。?/li>
  • PageRank原理，怎么用模型來(lái)查找異常用戶，我講了一大堆我的理解，然后面試官一句你怎么不用規(guī)則把我噎到了……
  • 無(wú)監(jiān)督和有監(jiān)督算法的區(qū)別？
  • 經(jīng)典算法推導(dǎo)(加分項(xiàng))，原理，各個(gè)損失函數(shù)之間區(qū)別，使用場(chǎng)景，如何并行化，有哪些關(guān)鍵參數(shù)
  • 什么叫判別模型什么叫生成模型。
  • 先針對(duì)項(xiàng)目十分細(xì)致地詢問(wèn)了各種細(xì)節(jié)，然后就問(wèn)我如何處理數(shù)據(jù)中的噪聲點(diǎn)、數(shù)據(jù)清洗算法（正好自己做了一個(gè)算法）、如何選擇特征等。
  • 校招TST內(nèi)推，面過(guò)了2面，還是跟之前那個(gè)有點(diǎn)類(lèi)似的游戲開(kāi)發(fā)的安全部門(mén)，因?yàn)槲乙餐鍸OL，又問(wèn)到怎么來(lái)判斷玩家有沒(méi)有作弊之類(lèi)的問(wèn)題，這次我小心翼翼的說(shuō)用模型怎么做，用規(guī)則怎么做，感覺(jué)這次聊的都挺開(kāi)心的。
  • 是否了解A/B Test以及A/B Test結(jié)果的置信度特征工程經(jīng)驗(yàn)是否了解mutual infomation、chi-square、LR前后向、樹(shù)模型等特征選擇方式
  • 深刻理解各種算法對(duì)應(yīng)采用的數(shù)據(jù)結(jié)構(gòu)和對(duì)應(yīng)的搜索方法。比如KNN對(duì)應(yīng)的KD樹(shù)、如何給圖結(jié)構(gòu)設(shè)計(jì)數(shù)據(jù)結(jié)構(gòu)？如何將算法map-red化
  • 矩陣的各種變換，尤其是特征值相關(guān)的知識(shí)。分布式的矩陣向量乘的算法
  • 線性分類(lèi)器與非線性分類(lèi)器的區(qū)別及優(yōu)劣；特征比數(shù)據(jù)量還大時(shí)，選擇什么樣的分類(lèi)器？對(duì)于維度很高的特征，你是選擇線性還是非線性分類(lèi)器？對(duì)于維度極低的特征，你是選擇線性還是非線性分類(lèi)器？如何解決過(guò)擬合問(wèn)題？L1和L2正則的區(qū)別，如何選擇L1和L2正則？
  • 項(xiàng)目中的數(shù)據(jù)是否會(huì)歸一化處理，哪個(gè)機(jī)器學(xué)習(xí)算法不需要?dú)w一化處理
  • 并行計(jì)算、壓縮算法LDA http://www.doc88.com/p-1621945750499.html

• 場(chǎng)景題

1. 百度IDL：無(wú)給定條件，預(yù)測(cè)蔬菜價(jià)格。提幾個(gè)特征做預(yù)測(cè)模型：肉的價(jià)格、土壤健康指標(biāo)、天氣情況、國(guó)民收入、貨幣匯率等等。。

2. 網(wǎng)易游戲互娛：給三天時(shí)間，獲取全世界有多少人玩過(guò)德州撲克，只要玩過(guò)就算。直接爬蟲(chóng)德州撲克的app。（感覺(jué)這個(gè)答的好蠢。。）

3. . 騰訊MIG：獲取聊天表情的標(biāo)簽，比如喜怒哀樂(lè)。對(duì)騰訊系產(chǎn)品的聊天記錄中，表情的上下文聊天文字做情感分析，然后給表情貼標(biāo)簽。

4. 騰訊廣點(diǎn)通：給定某人的騰訊系產(chǎn)品信息，判斷此人是否有車(chē)。我說(shuō)先做一部分?jǐn)?shù)據(jù)標(biāo)注來(lái)判斷一部分人是否已經(jīng)有車(chē)，然后提一些消費(fèi)水平的特征做預(yù)測(cè)模型

5. 我回答地都很不好，一直覺(jué)得場(chǎng)景題不知道怎么回答，直到廣點(diǎn)通的面試官很nice地指出了我的問(wèn)題：我的方法成本高而且過(guò)于模糊，要求的是低成本、直接、精度高的方法，也就是人工規(guī)則。

6. 類(lèi)似大眾點(diǎn)評(píng)的網(wǎng)站有正常用戶訪問(wèn)流量，也有同類(lèi)競(jìng)爭(zhēng)商家的ｓｐｉｄｅｒ，怎樣區(qū)分ｓｐｉｄｅｒ和正常訪問(wèn)，我想了下，他說(shuō)簡(jiǎn)單說(shuō)說(shuō)就行，我就從兩者的訪問(wèn)特點(diǎn)分析了一下，對(duì)于這個(gè)二分類(lèi)問(wèn)題選用哪些特征，然后他希望再?gòu)模瑁簦簦鸬慕嵌确治鲆幌?，然而并不懂，然后照例?wèn)有什么問(wèn)題，然后詳細(xì)介紹了一下上海這邊主要負(fù)責(zé)滴滴租車(chē)業(yè)務(wù)，業(yè)務(wù)框架，說(shuō)的很仔細(xì)，

7. 拼車(chē)軟件是如何定價(jià)的以及如何優(yōu)化；

8. 怎么預(yù)測(cè)降雨量；

9. 預(yù)測(cè)平臺(tái)每日外賣(mài)或到店客流量時(shí)，節(jié)假日往往會(huì)被作為噪音處理，但是美團(tuán)點(diǎn)評(píng)算法團(tuán)隊(duì)需要給店家提供節(jié)假日的客流量預(yù)測(cè)，如何去預(yù)測(cè)這個(gè)異常值或者說(shuō)噪音。

10. 遇到極端情況比如天氣或者其他因素，平臺(tái)內(nèi)會(huì)擠壓大量訂單等待處理，同時(shí)客戶等待時(shí)間會(huì)變長(zhǎng)，如何設(shè)計(jì)調(diào)度系統(tǒng)使用算法去協(xié)調(diào)運(yùn)力或者控制溢價(jià)，在不影響用戶體驗(yàn)的同時(shí)盡快處理擠壓訂單盡可能縮短外賣(mài)小哥的ETA。

11. 目前對(duì)于客流量預(yù)測(cè)精度為天很準(zhǔn)確，如何設(shè)計(jì)online learning的model去對(duì)未來(lái)某一個(gè)特定時(shí)間點(diǎn)進(jìn)行客流量預(yù)估。自己感覺(jué)這應(yīng)該都是美團(tuán)點(diǎn)評(píng)在真是業(yè)務(wù)場(chǎng)景中遇到的問(wèn)題，自己也根據(jù)自己的想法與面試官做了討論，突然在說(shuō)的一瞬間覺(jué)得這才是machine learning在工業(yè)界真實(shí)運(yùn)用的場(chǎng)景，突然覺(jué)得自己天天看的書(shū)推的公式好渺小...

12. 開(kāi)放問(wèn)題：在車(chē)和乘客的匹配場(chǎng)景中（一個(gè)車(chē)匹配一個(gè)乘客，不考慮拼車(chē)），如何讓司機(jī)的接單率更高？

14. 給你公司內(nèi)部群組的聊天記錄，怎樣區(qū)分出主管和員工？如何評(píng)估網(wǎng)站內(nèi)容的真實(shí)性（針對(duì)代刷、作弊類(lèi)）？路段平均車(chē)速反映了路況，在道路上布控采集車(chē)輛速度，如何對(duì)路況做出合理估計(jì)？采集數(shù)據(jù)中的異常值如何處理？如何根據(jù)語(yǔ)料計(jì)算兩個(gè)詞詞義的相似度？在百度貼吧里發(fā)布 APP 廣告，問(wèn)推薦策略？100億數(shù)字，怎么統(tǒng)計(jì)前100大的？

15. 問(wèn)了一個(gè)預(yù)估的題目，讓你估計(jì)早餐市場(chǎng)的規(guī)模。

16. 系統(tǒng)設(shè)計(jì)題，給一個(gè)query，如何快速?gòu)?0億個(gè)query中找出和它最相似的 （面試官說(shuō)可以對(duì)每個(gè)query找1000個(gè)最相似的，存起來(lái)，每天離線更新）

17. 設(shè)計(jì)一個(gè)合理的電梯調(diào)度策略，調(diào)度兩個(gè)電梯 ，考慮滿足基本的接送需求，滿足能耗最小，滿足用戶等待時(shí)間最短 （難到我了，我想的方法不好，面試告訴我了他的想法，類(lèi)似于一個(gè)進(jìn)程調(diào)度問(wèn)題，每一時(shí)刻只可能有一個(gè)用戶按按鈕，把這條指令接收，判斷當(dāng)前電梯能否滿足，能滿足就執(zhí)行，不能滿足則放入一個(gè)隊(duì)列里，實(shí)際情況還要細(xì)化）

18. 在互聯(lián)網(wǎng)分析中，通常會(huì)關(guān)注用戶的【第N日激活率】來(lái)衡量用戶質(zhì)量。用戶的第N日激活指的是用戶在注冊(cè)的第N天登錄網(wǎng)站或App，即算為該用戶的第N日激活。第N日激活率指的是某日注冊(cè)用戶在第N天激活的數(shù)量除以該日所有注冊(cè)用戶數(shù)量。

19. “赤兔”是領(lǐng)英中國(guó)針對(duì)中國(guó)職場(chǎng)人士推出的一款本土化的社交應(yīng)用。如果你是領(lǐng)英中國(guó)的數(shù)據(jù)分析師，你會(huì)從哪些方面和維度來(lái)設(shè)計(jì)各項(xiàng)指標(biāo)，給產(chǎn)品的設(shè)計(jì)和運(yùn)營(yíng)提供數(shù)據(jù)上的支持?請(qǐng)給出具體的維度和指標(biāo)，并說(shuō)明原因。

20. 比如你現(xiàn)在知道了一個(gè)用戶訪問(wèn)網(wǎng)站的歷史記錄，比如時(shí)間，流量，高峰期或沒(méi)有訪問(wèn)之類(lèi)的數(shù)據(jù)，讓你來(lái)分析一下這個(gè)用戶。我：這個(gè)中間和面試官探討了半天，沒(méi)有回答好。。

21. 做廣告點(diǎn)擊率預(yù)測(cè)，用哪些數(shù)據(jù)什么算法

22. 用戶流失率預(yù)測(cè)怎么做（游戲公司的數(shù)據(jù)挖掘都喜歡問(wèn)這個(gè)）

23. 一個(gè)游戲的設(shè)計(jì)過(guò)程中該收集什么數(shù)據(jù)

24. 如何從登陸日志中挖掘盡可能多的信息

25. 如何做一個(gè)新聞推薦

26. 開(kāi)放性問(wèn)題：每個(gè)實(shí)體有不同屬性，現(xiàn)在有很多實(shí)體的各種屬性數(shù)據(jù)，如何判斷兩個(gè)實(shí)體是否是同一種東西

27. 如何從登陸日志中挖掘盡可能多的信息http://www.docin.com/p-118297971.html

27. 用戶流失率預(yù)測(cè)怎么做（游戲公司的數(shù)據(jù)挖掘都喜歡問(wèn)這個(gè)）http://www.docin.com/p-1204742211.html

87. 一個(gè)游戲的設(shè)計(jì)過(guò)程中該收集什么數(shù)據(jù)

88. 做廣告點(diǎn)擊率預(yù)測(cè)，用哪些數(shù)據(jù)什么算法http://bbs.pinggu.org/thread-3182029-1-1.html

89. 場(chǎng)景題一般是面試官工作中遇到的問(wèn)題，問(wèn)題一般會(huì)比較細(xì)，比如說(shuō)獲取某些item的屬性標(biāo)簽。

90. 如果問(wèn)題里沒(méi)有明確出現(xiàn)“預(yù)測(cè)”等字眼，最好不要用模型角度去回答問(wèn)題。因?yàn)閷?shí)際工作中，可能不會(huì)為了某個(gè)小問(wèn)題，去動(dòng)用集群來(lái)跑模型，這些小問(wèn)題可能是用來(lái)給跑集群的模型加特征的，應(yīng)該優(yōu)先以人工規(guī)則來(lái)解決。

91. 人工規(guī)則可能有隱藏先驗(yàn)條件，就是可以用到這個(gè)公司其他產(chǎn)品數(shù)據(jù)。

87. 解決方案類(lèi)題目為今日頭條設(shè)計(jì)一個(gè)熱門(mén)評(píng)論系統(tǒng)，支持實(shí)時(shí)更新給定淘寶上同類(lèi)目同價(jià)格范圍的兩個(gè)商品A和B，如何利用淘寶已有的用戶、商品數(shù)據(jù)、搜索數(shù)據(jù)、評(píng)論數(shù)據(jù)、用戶行為數(shù)據(jù)等所有能拿到的數(shù)據(jù)進(jìn)行建模，判斷A和B統(tǒng)計(jì)平均性價(jià)比高低。統(tǒng)計(jì)平均性價(jià)比的衡量標(biāo)準(zhǔn)是大量曝光，購(gòu)買(mǎi)者多則高。有n個(gè)elements和1個(gè)Compare(A, B)函數(shù)，用Compare函數(shù)作為排序算法中的比較算子給elements排序。Compare函數(shù)有p的可能比較錯(cuò)。排序完取Top m個(gè)元素，本來(lái)就在Top m并被正確分在Top m的元素個(gè)數(shù)是x。問(wèn)x的數(shù)學(xué)期望。如何預(yù)測(cè)雙十一支付寶的負(fù)載峰值。

88. 給你1000w篇文檔或html，如何判斷是否為體育類(lèi)的新聞，需要給出系統(tǒng)的方法；答：分詞＋人工判定＋詞庫(kù)＋SVM訓(xùn)練。

89. 設(shè)計(jì)一個(gè)系統(tǒng)可以實(shí)時(shí)統(tǒng)計(jì)任意 ip 在過(guò)去一個(gè)小時(shí)的訪問(wèn)量；

推薦閱讀

• 你面試穩(wěn)了！通關(guān)LeetCode刷題完整攻略，省時(shí)又高效

• 算法崗面試：Deep Learning 27類(lèi)常見(jiàn)問(wèn)題+解析匯總

• 決策樹(shù)算法十問(wèn)及經(jīng)典面試問(wèn)題

添加極市小助手微信（ID : cv-mart），備注：研究方向-姓名-學(xué)校/公司-城市（如：目標(biāo)檢測(cè)-小極-北大-深圳），即可申請(qǐng)加入極市技術(shù)交流群，更有每月大咖直播分享、真實(shí)項(xiàng)目需求對(duì)接、求職內(nèi)推、算法競(jìng)賽、干貨資訊匯總、行業(yè)技術(shù)交流，一起來(lái)讓思想之光照的更遠(yuǎn)吧~

△長(zhǎng)按添加極市小助手

△長(zhǎng)按關(guān)注極市平臺(tái)，獲取最新CV干貨

覺(jué)得有用麻煩給個(gè)在看啦~??