算法工程師面經(jīng)
2018年3月13日
搜狐一面
主要問了我碩士期間做的新聞推薦系統(tǒng)是什么伺通，我講了大約20分鐘balabala。然后針對于這個新聞推薦系統(tǒng)提出了一系列的問題：
1.你用到了LDA逢享，那么請講一下LDA的原理是什么罐监？我簡單說了一下LDA生成文檔的過程，但是根據(jù)什么生成沒答上來2333（LDA是我的痛瞒爬，看了幾遍沒看懂）
2.你的新聞的備選集如何獲裙？選取當天新聞侧但，挨個算一遍矢空。
3.也就是說你的計算是現(xiàn)場算的么？是的俊犯，我知道這樣效率有問題妇多，我的系統(tǒng)中沒有解決，但是可以先對新聞進行聚類燕侠，然后對每個簇提出一個模型者祖，先匹配簇在選擇新聞（SCENE 論文中的方法）
4.你的數(shù)據(jù)量有多大？3萬多條新聞绢彤，100個用戶吧七问。
5.你的用戶較少，那么在推薦的時候矩陣一定是稀疏的茫舶，對于這個稀疏矩陣應該如何處理械巡？可以用PCA或者SVD進行矩陣分解
6.你的關鍵字是如何從文檔中提取出來的？使用了中科院的NLPIR+TF-IDF算法饶氏。
7.講一講tf-idf是什么意思讥耗，TF就是表示詞頻，IDF是逆文檔頻率的意思計算方法為log(N/n)疹启，N新聞集的大小古程，n為包含這個詞的新聞的數(shù)量
8.你系統(tǒng)使用什么語言實現(xiàn)的？Java
9.hashmap你用過么喊崖，底層是如何實現(xiàn)的挣磨？這個我不太清楚呢。見http://blog.csdn.net/yinbingqiu/article/details/60965080
10.計算機網(wǎng)絡你有學過吧荤懂，還記得什么么茁裙？記不清太多了時間太久了。其實可以說說TCPIP节仿，網(wǎng)絡5層結構之類的
11.你說你做過Android? Android的生命周期是什么晤锥？忘記了。廊宪。
12.你用過Python 那么你Python都用過哪些機器學習的庫矾瘾？Scikit-learn眉踱，numpy，OpenCV 和dlib（其實還有LibLinear忘記說了）
13.好了霜威，那么你覺著你自己都有哪些優(yōu)點呢？册烈。戈泼。。赏僧。大猛。。淀零。挽绩。
總而言之第一次面試毫無疑問的跪了
2018年3月15日
金山WPS
1.自我介紹巴拉巴拉
2.項目
3.深度學習！
深度學習驾中！深度學習唉堪！
結論就是大家投崗位一定要看好是不是適合自己
2018年3月16日
數(shù)旦科技一面
1.數(shù)據(jù)庫 三范式（不記得了）
2.bagging? 和boosting? 哪個可以讓結果的方差更小一些，為什么肩民？
偏差：偏差越大準確率越低唠亚，偏差越小準確度越高
方差：方差越大的模型越容易過擬合，方差越小越不容易過擬合
bagging減少方差（通過隨機抽樣和投票減少過擬合）持痰，boosting減少偏差（通過不斷擬合殘差來讓偏差更性钏选）
3.你都知道哪些分類算法
LR，SVM工窍，決策樹割卖，隨機森林，Adaboost患雏，GDBT鹏溯，Xgboost，樸素貝葉斯
4.bagging 和boosting的區(qū)別是什么
bagging的思想就是分別訓練多個沒有相關性的基分類器纵苛，每個基分類器在訓練的時候剿涮，需要從樣本集合有又放回的選擇部分樣本作為訓練集。訓練完成以后通過攻人，多數(shù)表決（分類問題）取试、簡單平均（回歸問題），的得到最后的結果怀吻。
bagging的最大優(yōu)點是可以并行化瞬浓。
bagging的典型代表就是隨機森林。
而boosting是一個串行的過程蓬坡，下一個基學習器要基于上一個基學習器的結果來進行學習猿棉，從而一步一步的逼近真實的結果磅叛。
5.排序算法都有什么？當一個數(shù)據(jù)特別亂序的時候使用哪個排序算法更好一些
堆排序萨赁，最壞O（nlogn）弊琴，雖然歸并也可以O（nlogn），但是堆的空間復雜度為O（1）所以更好一些
6.你論文都怎么搜索的杖爽，如何保證質量敲董？如何保證搜索結果是完整的？
Web of science慰安、百度腋寨、谷歌，講了用ccf和Jcr分區(qū)來保證論文基本質量化焕，通過摘要Intruction的后兩段還有Conclusion來初步判斷論文講的什么之類的萄窜。
7.面向對象 多態(tài)? 繼承 的關系
這個說的不好，有興趣自己看就行
8.面對大數(shù)據(jù)量的推薦應該如何實現(xiàn)
算法上面撒桨，SVD降維查刻，聚類
結構上面，分布式文件管理系統(tǒng)
分布式計算框架（Hadoop元莫、MapReduce等）
并行計算
9.說說協(xié)同過濾是怎么回事
說了基于用戶和基于物品的協(xié)同過濾及原理
10.你常用的推薦算法都有什么
基于內容與協(xié)同過濾（評分推薦的話主要用矩陣分解）
11.集成學習為什么要用簡單的基學習器赖阻，不用一個復雜一點的學習器
為了防止過擬合啊
12.非線性的數(shù)據(jù)，可以使用什么分類器進行分類
總結一下踱蠢，這個公司其實還有二面火欧，但是二面由于沒有什么有價值的內容所以就不寫了，只問了一下隨機森林的原理
2018年3月21日
好未來一面
視頻面試好卡2333333茎截，小哥主要是做NLP的苇侵，和我方向不是很對口，所以其實東西問的不是很多
項目企锌，把隱式反饋和顯式反饋結合的用戶興趣計算方法（我感覺小哥聽得有點蒙榆浓，畢竟不是做推薦的）
1.用過什么語言，用沒用過R撕攒，語言都干什么用的
Python陡鹃，Java。新聞推薦系統(tǒng)用Java寫的抖坪，機器學習模型什么的用Python跑的萍鲸。
2.樸素貝葉斯原理
說了貝葉斯公式、屬性獨立性假設擦俐，以及貝葉斯的優(yōu)缺點
3.TF-IDF原理
這個簡單脊阴。不說了
4.性能評價指標，準確率召回率是怎么回事，二分類 和多分類的評價方法
準確率召回率嘿期。品擎。不解釋。忘了提Roc曲線和Auc面積
5.除了推薦方面的東西备徐，你還做過一些別的事情么
說了自己練習的工資分類萄传，take home test的電商詐騙檢測
6.用過scikit-learn numpy么（pandas還有其他的沒用過）
用過scikit-learn numpy沒用過pandas
7.LDA你是怎么用的，LDA的表現(xiàn)如何蜜猾，主題分的效果好不好
改的別人的代碼盲再，表現(xiàn)還好，但是運行效率很差瓣铣。最后的主題分析效果還行，但是由于新聞量和主題定義的數(shù)量不夠多贷揽，導致有些主題劃分的不夠純粹和細致棠笑。
8.你覺得基于內容的方法和協(xié)同過濾有什么不同
談了協(xié)同過濾的冷啟動和原因，基于內容的優(yōu)缺點（準確禽绪，但無法發(fā)現(xiàn)用戶的新興趣）
9.還有就是一些基本情況了蓖救，用沒用過數(shù)據(jù)庫啊之類的，數(shù)據(jù)庫用的怎么樣sql會不會
小哥大概的意思是把我的簡歷踢到推薦相關的部門去了
