机器学习、数据挖掘、算法岗位面试题库、面经

最新推荐文章于 2024-04-25 16:25:16 发布
最新推荐文章于 2024-04-25 16:25:16 发布
阅读量898 收藏 6
点赞数 2
分类专栏： 面试 求职 数据科学
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/SofaSofa_io/article/details/85091217
版权

DS/ML类面试在本质上大同小异，只是侧重点不同。DS/ML与传统的软件开发岗和数据工程岗位在面试中最大的区别就是，DS/ML更多涉及机器学习、概率统计、数值优化、高数线代、AB Test等多方面的知识。

机器学习、数据挖掘、算法岗位面试题库、面经（SofaSofa数据科学社区整理，包括BAT以及北美FLAG）

 

完整题库以及解答点击这里

 

部分题目如下：

最低0.47元/天 解锁文章
SofaSofa数据科学社区
关注
  • 2
    点赞
  • 踩
  • 6
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
专栏目录
笔试题 | 数据挖掘岗位 | 数据结构、数据处理
求知：数据科学家之路
07-22 573
本次的内容来源于某次面试题目 数据结构题目： Given an array of integers, find two numbers such that they add up to a specific target number.The function twoSum should return indices of the two numbers such that they add up
机器学习高频面试题(41道)
wuxiaosi808的博客
07-02 4万+
Q1: What’s the trade-off between bias and variance? 问题1: 什么是偏差（bias）、方差（variable）之间的均衡？ Bias 是由于你使用的学习算法过度简单地拟合结果或者错误地拟合结果导致的错误。它反映的是模型在样本上的输出与真实值之间的误差，即模型本身的精准度，即算法本身的拟合能力。Bias 可能会导致模型欠拟合，使其难以具有较高的预测准确性，也很难将你的知识从训练集推广到测试集。 Variance 是由于你使用的学习算法过于复杂而产生的错
数据挖掘期末背诵
最新发布
qq_46210893的博客
04-25 735
13,15,16,16,19,20,20,21,22,22,25,25,25,30,33,33,35,35,36,40,45,46,52,70,问题：使用按箱平均值平滑方法对上述数据进行平滑，箱的深度为3。建⽴数据挖掘库包括以下⼏个步骤：数据收集、数据描述、选择、数据质量评估和数据清理、合 并与整合、构建元数据、加载数据挖掘库、维护数据挖掘库。模型建立好之后，必须评价得到的结果、解释模型的价值,从测试集中得到的准确率只对⽤于建⽴模型的数据有意义。模型建立并经过验证之后，可以有两种主要的使用方法。
BAT机器学习面试1000题系列（第1~305题）
热门推荐
结构之法 算法之道
09-28 50万+
BAT机器学习面试1000题系列 整理：July、元超、立娜、德伟、贾茹、王剑、AntZ、孟莹等众人。本系列大部分题目来源于公开网络，取之分享，用之分享，且在撰写答案过程中若引用他人解析则必注明原作者及来源链接。另，不少答案得到寒小阳、管博士、张雨石、王赟、褚博士等七月在线名师审校。 说明：本系列作为国内首个AI题库，首发于七月在线实验室公众号上：julyedulab，并部分更新...
机器学习面试题目整理
ephram每天都想下班
08-17 531
1 归一化 1.1 定义 将数据映射到指定的范围，如：把数据映射到0～1或-1~1的范围之内处理。 1.2 常见做法 min-max 归一化，也叫 0-1 标准化 1.3 作用 有量纲表达式变成无量纲表达式，便于不同单位或量级的指标能够进行比较和加权 简化计算 数据映射到指定的范围内进行处理，更加便捷快速 2 标准化 2.1 定义 将数据变换为均值为0，标准差为1的分布，切记，并非一定是正态的 2.2 通常做法 z-score 标准化 robust 标准化（RobustScaler） MaxAbs
最基本的25道深度学习面试问题和答案
deephub
09-15 1万+
在本文中，将整理深度学习面试中最常被问到的25个问题和答案。如果你最近正在参加深度学习相关的面试工作，那么这些问题会对你有所帮助
数据挖掘与机器学习 实验：回归算法
01-23
数据挖掘与机器学习 实验：回归算法
机器学习和数据挖掘-十大算法.rar
03-11
十大算法推导
基于数据挖掘与机器学习的猫狗识别算法源码.zip
01-19
基于数据挖掘与机器学习的猫狗识别算法源码.zip基于数据挖掘与机器学习的猫狗识别算法源码.zip基于数据挖掘与机器学习的猫狗识别算法源码.zip基于数据挖掘与机器学习的猫狗识别算法源码.zip基于数据挖掘与机器学习的...
R语言基础，通过R语言实现机器学习与数据挖掘算法
04-01
r语言基础入门教程 R语言基础，通过R语言实现机器学习与数据挖掘算法
机器学习数据挖掘常用算法总结梳理完整版
08-08
机器学习数据挖掘常用算法总结梳理完整版：是对于机器学习以及数据挖掘领域中使用到的算法、方法和模型等方面一个全面的总结和学习概括，欢迎同行互相交流学习，欢迎指点。
机器学习面试约300题系列
08-23
机器学习面试约300题系列--自己整理的网络资源方便大家打印
机器学习面试题汇总-七月在线
01-03
本人搜集的BAT机器学习面试题，七月在线整理，共1500题，现有230题的详细分析。
超全数据挖掘面试笔试题（附答案）
ggzhou的个人笔记
09-18 7万+
一、单选题（共80题） ( D )的目的缩小数据的取值范围，使其更适合于数据挖掘算法的需要，并且能够得到和原始数据相同的分析结果。 A.数据清洗       B.数据集成 C.数据变换       D.数据归约 某超市研究销售纪录数据后发现，买啤酒的人很大概率也会购买尿布，这种属于数据挖掘的哪类问题？(A)    A. 关联规则发现       B. 聚类    C. 分类      
机器学习/数据挖掘/算法岗位面试题汇总
AI之路
03-30 1万+
几个月前刚刚经历校招，投的多是机器学习和算法相关的岗位，特此分享面试中遇到及自己认为比较重要的内容： 1、过拟合和欠拟合怎么判断，如何解决？答：主要可以通过训练误差和测试误差入手判断是否过拟合或欠拟合。一般而言训练误差很低，但是测试误差较高，过拟合的概率较大，如果训练误差和测试误差都很高，一般是欠拟合。过拟合可以从增加样本量，减少特征数，降低模型复杂度等方面入手，实际的例子比如线性回归中，对于几
机器学习面试题整理
bc7720的博客
08-08 11万+
https://blog.csdn.net/u010976453/article/details/78488279 https://blog.csdn.net/woaidapaopao/article/details/77806273 https://blog.csdn.net/woaidapaopao/article/details/77806273 请简要介绍...
机器学习算法岗常见笔试面试题整理
kwame211的博客
05-11 948
数据库中的主键、索引和外键（数据分析岗经常问）决策树ID3和C4.5的差别？各自优点？Boost算法CART（回归树用平方误差最小化准则，分类树用基尼指数最小化准则）GBDT与随机森林算法的原理以及区别。优化算法中常遇到的KKT条件？作用是？最近邻算法KNN（分类与回归）L1和L2函数？L1和L2正则项的比较，如何解决 L1 求导困难？L1正则为何可把系数压缩成0，说明坐标下降法的具体实现细节LR...
【京东—数据挖掘/深度学习】电话面试——2017/04/11
Jinlong_Xu的博客
04-11 2860
昨天下午六点多接到京东成都研究院HR的电话通知，告诉我，明天（11号）下午四点到六点之间会有电话面试，要我提前做好准备。之前投的时候，意向岗位是数据挖掘岗位。没想到居然过了简历关，进入到了电面。 第一次面试自然要好好准备一下。就回顾一下常见的数据挖掘的算法，还有之前做过的项目。觉得自己准备的差不多了，到了四点就一直守在电话前等着，一直没来电话，我就等到五点十分左右，然后来了电话。
机器学习面试题库：141-150题（15day）
cui1004的博客
08-23 1032
机器学习面试题库：141-150题（15day） 线性分类器有三大类：感知器准则函数、SVM、Fisher准则，而贝叶斯分类器不是线性分类器。 感知器准则函数：代价函数J=-(W*X+w0)，分类的准则是最小化代价函数。感知器是神经网络（NN）的基础，网上有很多介绍。 SVM：支持向量机也是很经典的算法，优化目标是最大化间隔（margin），又称最大间隔分类器，是一种典型的线性分类器。（使用核函数可解决非线性问题） Fisher准则：更广泛的称呼是线性判别分析（LDA），将所有样本投影到一条远点出发的直线
数据挖掘 ：机器学习算法框架
09-20
数据挖掘中常用的机器学习算法框架有多个，以下是其中几个常见的框架： 1. scikit-learn：scikit-learn是一个基于Python的开源机器学习库，它包含了各种常见的机器学习算法，如回归、分类、聚类等，并且提供了丰富...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值