微信号:datadw

介绍:实战学习资料提供.涵盖数据分析工具使用,数据挖掘算法原理与案例,机器学习,R语言,Python编程,爬虫.如需发布广告请联系: hai299014

面试机器学习、大数据岗位时遇到的各种问题

2018-02-10 20:49 数据挖掘入门与实战

 向AI转型的程序员都关注了这个号👇👇👇


大数据挖掘DT数据分析  公众号: datadw


自己的专业方向是机器学习、数据挖掘,就业意向是互联网行业与本专业相关的工作岗位。各个企业对这类岗位的命名可能有所不同,比如数据挖掘/自然语言处理/机器学习算法工程师,或简称算法工程师,还有的称为搜索/推荐算法工程师,甚至有的并入后台工程师的范畴,视岗位具体要求而定。

机器学习、大数据相关岗位的职责

自己参与面试的提供算法岗位的公司有 BAT、小米、360、飞维美地、宜信、猿题库 等,根据业务的不同,岗位职责大概分为:


  • 平台搭建类

    数据计算平台搭建,基础算法实现,当然,要求支持大样本量、高维度数据,所以可能还需要底层开发、并行计算、分布式计算等方面的知识;

  • 算法研究类

    文本挖掘,如领域知识图谱构建、垃圾短信过滤等;

    推荐,广告推荐、APP 推荐、题目推荐、新闻推荐等;

    排序,搜索结果排序、广告排序等;

    广告投放效果分析;

    互联网信用评价;

    图像识别、理解。

  • 数据挖掘类

    商业智能,如统计报表;

    用户体验分析,预测流失用户。

以上是根据本人求职季有限的接触所做的总结。有的应用方向比较成熟,业界有足够的技术积累,比如搜索、推荐,也有的方向还有很多开放性问题等待探索,比如互联网金融、互联网教育。在面试的过程中,一方面要尽力向企业展现自己的能力,另一方面也是在增进对行业发展现状与未来趋势的理解,特别是可以从一些刚起步的企业和团队那里,了解到一些有价值的一手问题


以下首先介绍面试中遇到的一些真实问题,然后谈一谈答题和面试准备上的建议。

面试问题

  1. 你在研究/项目/实习经历中主要用过哪些机器学习/数据挖掘的算法?

  2. 你熟悉的机器学习/数据挖掘算法主要有哪些?

  3. 你用过哪些机器学习/数据挖掘工具或框架?

  • 基础知识

    无监督和有监督算法的区别?

    SVM 的推导,特性?多分类怎么处理?

    LR 的推导,特性?

    决策树的特性?

    SVM、LR、决策树的对比?

    GBDT 和 决策森林 的区别?

    如何判断函数凸或非凸?

    解释对偶的概念。

    如何进行特征选择?

    为什么会产生过拟合,有哪些方法可以预防或克服过拟合?

    介绍卷积神经网络,和 DBN 有什么区别?

    采用 EM 算法求解的模型有哪些,为什么不用牛顿法或梯度下降法?

    用 EM 算法推导解释 Kmeans。

    用过哪些聚类算法,解释密度聚类算法。

    聚类算法中的距离度量有哪些?

    如何进行实体识别?

    解释贝叶斯公式和朴素贝叶斯分类。

    写一个 Hadoop 版本的 wordcount。

    ……

  • 开放问题

    给你公司内部群组的聊天记录,怎样区分出主管和员工?

    如何评估网站内容的真实性(针对代刷、作弊类)?

    深度学习在推荐系统上可能有怎样的发挥?

    路段平均车速反映了路况,在道路上布控采集车辆速度,如何对路况做出合理估计?采集数据中的异常值如何处理?

    如何根据语料计算两个词词义的相似度?

    在百度贴吧里发布 APP 广告,问推荐策略?

    如何判断自己实现的 LR、Kmeans 算法是否正确?

    100亿数字,怎么统计前100大的?

    • ……

答题思路

  • 用过什么算法?

    最好是在项目/实习的大数据场景里用过,比如推荐里用过 CF、LR,分类里用过 SVM、GBDT;

    一般用法是什么,是不是自己实现的,有什么比较知名的实现,使用过程中踩过哪些坑

    优缺点分析。

  • 熟悉的算法有哪些?

    基础算法要多说,其它算法要挑熟悉程度高的说,不光列举算法,也适当说说应用场合;

    面试官和你的研究方向可能不匹配,不过在基础算法上你们还是有很多共同语言的,你说得太高大上可能效果并不好,一方面面试官还是要问基础的,另一方面一旦面试官突发奇想让你给他讲解高大上的内容,而你只是泛泛的了解,那就傻叉了。

    本文来自 微信公众号 datadw  【大数据挖掘DT数据分析】

  • 用过哪些框架/算法包?

    主流的分布式框架如 Hadoop,Spark,Graphlab,Parameter Server 等择一或多使用了解;

    通用算法包,如 mahout,scikit,weka 等;

    专用算法包,如 opencv,theano,torch7,ICTCLAS 等。

  • 基础知识

    对知识进行结构化整理,比如撰写自己的 cheet sheet,我觉得面试是在有限时间内向面试官输出自己知识的过程,如果仅仅是在面试现场才开始调动知识、组织表达,总还是不如系统的梳理准备;

    从面试官的角度多问自己一些问题,通过查找资料总结出全面的解答,比如如何预防或克服过拟合。

    产生背景,适用场合(数据规模,特征维度,是否有 Online 算法,离散/连续特征处理等角度);

    原理推导(最大间隔,软间隔,对偶);

    求解方法(随机梯度下降、拟牛顿法等优化算法);

    优缺点,相关改进;

    和其他基本方法的对比;

    个人感觉高频话题是 SVM、LR、决策树(决策森林)和聚类算法,要重点准备;

    算法要从以下几个方面来掌握:

    • 产生背景,适用场合(数据规模,特征维度,是否有 Online 算法,离散/连续特征处理等角度);

    • 原理推导(最大间隔,软间隔,对偶);

    • 求解方法(随机梯度下降、拟牛顿法等优化算法);

    • 优缺点,相关改进;

    • 和其他基本方法的对比;

    不能停留在能看懂的程度,还要:

    • 对知识进行结构化整理,比如撰写自己的 cheet sheet,我觉得面试是在有限时间内向面试官输出自己知识的过程,如果仅仅是在面试现场才开始调动知识、组织表达,总还是不如系统的梳理准备;

    • 从面试官的角度多问自己一些问题,通过查找资料总结出全面的解答,比如如何预防或克服过拟合。


  • 开放问题

    由于问题具有综合性和开放性,所以不仅仅考察对算法的了解,还需要足够的实战经验作基础;

    先不要考虑完善性或可实现性,调动你的一切知识储备和经验储备去设计,有多少说多少,想到什么说什么,方案都是在你和面试官讨论的过程里逐步完善的,不过面试官有两种风格:引导你思考考虑不周之处 or 指责你没有考虑到某些情况,遇到后者的话还请注意灵活调整答题策略;

    和同学朋友开展讨论,可以从上一节列出的问题开始。

准备建议

  1. 基础算法复习两条线

    • 材料阅读 包括经典教材(比如 PRML,模式分类)、网上系列博客,系统梳理基础算法知识;

    • 面试反馈 面试过程中会让你发现自己的薄弱环节和知识盲区,把这些问题记录下来,在下一次面试前搞懂搞透

  2. 除算法知识,还应适当掌握一些系统架构方面的知识,可以从网上分享的阿里、京东、新浪微博等的架构介绍 PPT 入手,也可以从 Hadoop、Spark 等的设计实现切入。

  3. 如果真的是以就业为导向就要在平时注意实战经验的积累,在科研项目、实习、比赛(Kaggle,阿里大数据竞赛等)中摸清算法特性、熟悉相关工具与模块的使用。

人工智能大数据与深度学习

搜索添加微信公众号:weic2c

长按图片,识别二维码,点关注



大数据挖掘DT数据分析

搜索添加微信公众号:datadw


教你机器学习,教你数据挖掘

长按图片,识别二维码,点关注


 
数据挖掘入门与实战 更多文章 今日头条算法原理全曝光!(算法架构师详细解读,建议仔细看!) 深度学习中训练参数的调节技巧 RF(随机森林)、GBDT、XGBoost面试级整理 算法工程师2017年学习,实习,秋招总结 2018年机器学习&深度学习资料 全新汇总(不断更新),希望看到文章的朋友能够学到更多
猜您喜欢 Redis常见七种使用场景(PHP实战) 解析Value的Lighthouse追踪系统技术 “基友”hui哥给《企业存储技术》写的序 青梅煮酒论C#: Specification pattern 因为“美”而学习设计