科多大數(shù)據(jù)帶你來(lái)看看機(jī)器學(xué)習(xí)及大數(shù)據(jù)相關(guān)面試的職責(zé)和面試問(wèn)題有哪些店茶。
機(jī)器學(xué)習(xí)、大數(shù)據(jù)相關(guān)崗位的職責(zé)
根據(jù)業(yè)務(wù)的不同屹篓，崗位職責(zé)大概分為：
1技肩、平臺(tái)搭建類(lèi)
· 數(shù)據(jù)計(jì)算平臺(tái)搭建，基礎(chǔ)算法實(shí)現(xiàn)酒甸，當(dāng)然魄健，要求支持大樣本量、高維度數(shù)據(jù)插勤，所以可能還需要底層開(kāi)發(fā)、并行計(jì)算、分布式計(jì)算等方面的知識(shí)讥蔽；
2剧浸、算法研究類(lèi)
·文本挖掘，如領(lǐng)域知識(shí)圖譜構(gòu)建盛卡、垃圾短信過(guò)濾等助隧；
·推薦，廣告推薦窟扑、APP 推薦喇颁、題目推薦、新聞推薦等嚎货；
·排序橘霎，搜索結(jié)果排序、廣告排序等殖属；
·其它姐叁，· 廣告投放效果分析；· 互聯(lián)網(wǎng)信用評(píng)價(jià)洗显；· 圖像識(shí)別外潜、理解。
3挠唆、數(shù)據(jù)挖掘類(lèi)
· 商業(yè)智能处窥，如統(tǒng)計(jì)報(bào)表；
· 用戶體驗(yàn)分析玄组，預(yù)測(cè)流失用戶滔驾。
以下首先介紹面試中遇到的一些真實(shí)問(wèn)題，然后談一談答題和面試準(zhǔn)備上的建議俄讹。
面試問(wèn)題
1哆致、你在研究/項(xiàng)目/實(shí)習(xí)經(jīng)歷中主要用過(guò)哪些機(jī)器學(xué)習(xí)/數(shù)據(jù)挖掘的算法？
2患膛、你熟悉的機(jī)器學(xué)習(xí)/數(shù)據(jù)挖掘算法主要有哪些摊阀？
3、你用過(guò)哪些機(jī)器學(xué)習(xí)/數(shù)據(jù)挖掘工具或框架？
4胞此、基礎(chǔ)知識(shí)· 無(wú)監(jiān)督和有監(jiān)督算法的區(qū)別臣咖？· SVM 的推導(dǎo)，特性豌鹤？多分類(lèi)怎么處理亡哄？· LR 的推導(dǎo)，特性布疙？· 決策樹(shù)的特性蚊惯？· SVM、LR灵临、決策樹(shù)的對(duì)比截型？· GBDT 和決策森林的區(qū)別？· 如何判斷函數(shù)凸或非凸儒溉？· 解釋對(duì)偶的概念宦焦。· 如何進(jìn)行特征選擇顿涣？· 為什么會(huì)產(chǎn)生過(guò)擬合波闹，有哪些方法可以預(yù)防或克服過(guò)擬合？· 介紹卷積神經(jīng)網(wǎng)絡(luò)涛碑，和 DBN 有什么區(qū)別精堕？· 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蒲障？· 用EM 算法推導(dǎo)解釋 Kmeans歹篓。· 用過(guò)哪些聚類(lèi)算法揉阎，解釋密度聚類(lèi)算法庄撮。· 聚類(lèi)算法中的距離度量有哪些毙籽？· 如何進(jìn)行實(shí)體識(shí)別洞斯？· 解釋貝葉斯公式和樸素貝葉斯分類(lèi)】由模· 寫(xiě)一個(gè) Hadoop 版本的 wordcount· ……
5巡扇、開(kāi)放問(wèn)題
· 給你公司內(nèi)部群組的聊天記錄，怎樣區(qū)分出主管和員工垮衷？
· 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)）乖坠？
· 深度學(xué)習(xí)在推薦系統(tǒng)上可能有怎樣的發(fā)揮搀突？
· 路段平均車(chē)速反映了路況，在道路上布控采集車(chē)輛速度熊泵，如何對(duì)路況做出合理估計(jì)仰迁？采集數(shù)據(jù)中的異常值如何處理甸昏？
· 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 廣告徐许，問(wèn)推薦策略施蜜？
· 如何判斷自己實(shí)現(xiàn)的 LR、Kmeans 算法是否正確雌隅？
· 100億數(shù)字翻默，怎么統(tǒng)計(jì)前100大的？
· ……
答題思路
1恰起、用過(guò)什么算法修械？
· 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检盼、LR肯污，分類(lèi)里用過(guò) SVM、GBDT吨枉；
· 一般用法是什么蹦渣，是不是自己實(shí)現(xiàn)的，有什么比較知名的實(shí)現(xiàn)貌亭，使用過(guò)程中踩過(guò)哪些坑柬唯；
· 優(yōu)缺點(diǎn)分析。
2属提、熟悉的算法有哪些权逗？
· 基礎(chǔ)算法要多說(shuō)，其它算法要挑熟悉程度高的說(shuō)冤议，不光列舉算法斟薇，也適當(dāng)說(shuō)說(shuō)應(yīng)用場(chǎng)合；
· 面試官和你的研究方向可能不匹配恕酸，不過(guò)在基礎(chǔ)算法上你們還是有很多共同語(yǔ)言的堪滨，你說(shuō)得太高大上可能效果并不好，一方面面試官還是要問(wèn)基礎(chǔ)的蕊温，另一方面一旦面試官突發(fā)奇想讓你給他講解高大上的內(nèi)容袱箱，而你只是泛泛的了解，那就傻叉了义矛。
3发笔、用過(guò)哪些框架/算法包？
· 主流的分布式框架如 Hadoop凉翻，Spark了讨，Graphlab，Parameter Server 等擇一或多使用了解；
· 通用算法包前计，如 mahout胞谭，scikit，weka 等男杈；
· 專用算法包丈屹，如 opencv，theano伶棒，torch7旺垒，ICTCLAS 等。
4苞冯、基礎(chǔ)知識(shí)
· 個(gè)人感覺(jué)高頻話題是 SVM袖牙、LR、決策樹(shù)（決策森林）和聚類(lèi)算法舅锄，要重點(diǎn)準(zhǔn)備鞭达；
· 算法要從以下幾個(gè)方面來(lái)掌握產(chǎn)生背景，適用場(chǎng)合（數(shù)據(jù)規(guī)模皇忿，特征維度畴蹭，是否有 Online 算法，離散/連續(xù)特征處理等角度）鳍烁；原理推導(dǎo)（最大間隔叨襟，軟間隔，對(duì)偶）幔荒；求解方法（隨機(jī)梯度下降糊闽、擬牛頓法等優(yōu)化算法）；優(yōu)缺點(diǎn)爹梁，相關(guān)改進(jìn)右犹；和其他基本方法的對(duì)比；
· 不能停留在能看懂的程度姚垃，還要對(duì)知識(shí)進(jìn)行結(jié)構(gòu)化整理念链，比如撰寫(xiě)自己的 cheet sheet，我覺(jué)得面試是在有限時(shí)間內(nèi)向面試官輸出自己知識(shí)的過(guò)程积糯，如果僅僅是在面試現(xiàn)場(chǎng)才開(kāi)始調(diào)動(dòng)知識(shí)掂墓、組織表達(dá)，總還是不如系統(tǒng)的梳理準(zhǔn)備看成；從面試官的角度多問(wèn)自己一些問(wèn)題君编，通過(guò)查找資料總結(jié)出全面的解答，比如如何預(yù)防或克服過(guò)擬合川慌。
5啦粹、開(kāi)放問(wèn)題
· 由于問(wèn)題具有綜合性和開(kāi)放性偿荷，所以不僅僅考察對(duì)算法的了解，還需要足夠的實(shí)戰(zhàn)經(jīng)驗(yàn)作基礎(chǔ)唠椭；
·先不要考慮完善性或可實(shí)現(xiàn)性，調(diào)動(dòng)你的一切知識(shí)儲(chǔ)備和經(jīng)驗(yàn)儲(chǔ)備去設(shè)計(jì)忍饰，有多少說(shuō)多少贪嫂，想到什么說(shuō)什么，方案都是在你和面試官討論的過(guò)程里逐步完善的艾蓝，不過(guò)面試官有兩種風(fēng)格：引導(dǎo)你思考考慮不周之處 or 指責(zé)你沒(méi)有考慮到某些情況力崇，遇到后者的話還請(qǐng)注意靈活調(diào)整答題策略。
