干货 | 找工作的经验总结（一）

点击上方，选择星标或置顶，每天给你送干货！

阅读大概需要6分钟

跟随小博主，每天进步一丢丢

编辑：zenRRan 有稍微补充

以下来自冯志师兄的面试许多公司中的笔记总结。分享给大家！

导读

专业素质

• 自然语言处理基本知识

• 机器学习基本知识

• 编程代码能力

面试技巧

• 怎么进行自我介绍

• 项目介绍怎么开始

• 和面试官怎么交流

自然语言处理基本知识

正则化、泛化

正则化的公式？你在什么地方用到正则的？ L1、L2正则区别

推荐阅读 ：

过拟合解决方法之L2正则化和Dropout

Dropout          

dropout原理是什么， 为什么要用？

推荐阅读 ：

过拟合解决方法之L2正则化和Dropout

过拟合问题

过拟合指的什么？ 怎么解决过拟合？

推荐阅读 ：

过拟合解决方法之L2正则化和Dropout

激活函数          

常用的有几种，分别用在什么场合？

推荐阅读：

深度学习之激活函数详解

BP反向传播推导    

推导公式?

推荐阅读 ：

简单maxPooling单层网络句子分类框架和数学理论

深度学习之RNN、LSTM及正向反向传播原理

梯度下降和梯度消失

为什么会出现 ？ 怎么解决的？

损失函数                 

你用过什么损失函数？ 分别用在什么任务，为什么针对这种任务要用这种损失函数？

推荐阅读：

机器学习最常用的损失函数之交叉熵

CNN图像处理常用损失函数对比评测

入门 | 机器学习中常用的损失函数你知多少？

小知识 | 谈谈 损失函数, 成本函数, 目标函数 的区别

Word2vec          

什么是词向量？，你用过几种词向量，词向量有什么好处

推荐阅读 ：

word2vec理论与实践

优化算法           

Adam 和随机梯度下降的区别？ 

推荐阅读 ：

梯度下降法理论与实践

为什么我们更宠爱“随机”梯度下降？（SGD）

简单理解Momentum,RMSprop,Adam优化算法

模型的评价指标          

你用过几种评价指标，公式能不能写一写？

推荐阅读 ：

详谈P(查准率)，R(查全率)，F1值

Bleu：此'蓝'非彼蓝

SVM推导        

请推导一下二分类的SVM的公式？

推荐阅读 ：

【机器学习】今天想跟大家聊聊SVM

【机器学习】今天详细谈下Soft Margin SVM和 SVM正则化

CRF 

常见提问方式， 为什么序列标注要用CRF , CRF有什么好处， 求loss的公式？

推荐阅读 ：

一文轻松搞懂-条件随机场CRF

【收藏版】长文详解基于并行计算的条件随机场

attention  

attention机制是什么？怎么计算权重和得分，公式   ？ soft attention 和 hard attention 的区别

推荐阅读 ：

干货 | 自然语言处理中注意力机制综述

文本分类问题       

你做过什么分类？

推荐阅读 ：

谈谈复杂多分类问题上的一些个人理解

序列标注问题

TF-IDF算法

Seq2seq

你用过seq2seq框架做过什么任务？如果让你来带头做一个对话系统，你怎么设计和分配你的成员？

推荐阅读 ：

【干货】基于注意力机制的seq2seq网络

基于attention的seq2seq机器翻译实践详解

数据不平衡问题  

怎么解决数据不平衡问题？    以及数据集的划分。。。

推荐阅读 ：

【机器学习】如何处理数据不均衡问题

机器学习

• 逻辑谛归 \线性回归\逻辑回归  *

• 朴素贝叶斯

• 决策树  *

• HMM，CRF  *

• XGBoost    

• KNN

• K-Means

• SVM 

• 碰到过问我 Boosting、Bagging区别

• RNN、CNN *、LSTM * (原理)、GRU      有问过LSTM和GRU分别适用什么场景，区别？

编程能力

推荐：

剑指offer 、 leetcode 、牛客网   etc.

列举几个：

如何在长度100W找到最小的第K个数？ （58）

最长公共子序列 （瓜子）

二分查找

有效的符号 （新浪、猎豹）

二叉树的递归和非递归遍历 

基本的数据结构

编程语言

会一种或一种以上（C++、Python、 Java、Scale ..ect）

算法工程师

scikit-learn、torch/TF框架

此外， 个别公司问了数学问题（对角矩阵、求导)，这里推荐花书前几页的数学知识，很少，但很充分！

自我介绍

• 自报家门（name 、school、major）

• 个人经历（做过什么）

• 最好谈一下你对对方公司的了解（可以结合你做过的项目）

• 比如你做过汉语言的解释性意见要素识别？对方是马蜂窝

项目介绍

• 项目名 + 项目具体内容。串联一遍（从爬取语料到形成系统的过程）

• 有几个小任务（分类、NER、关系识别、摘要生成 ..etc）突出自己任务的重要性

• 你负责的任务，介绍你的方法实现

• 效果怎么样？ 然后怎么进行改进的，然后你又进行设计之后的效果又是怎样？（重点突出你研究思考的过程）

沟通交流

• 真诚！真诚！真诚！

• 区分问题会与不会，避免陷入面试官的问题之中？

• 尽量多于面试官沟通，反复确定面试想问的问题

• 面试官如果不是针对你的专业的问题，可以委婉的让他换问题。

推荐阅读：

一大批历史精彩文章啦

详解Transition-based Dependency parser基于转移的依存句法解析器

经验 | 初入NLP领域的一些小建议

学术 | 如何写一篇合格的NLP论文

干货 | 那些高产的学者都是怎样工作的？

是时候研读一波导师的论文--一个简单有效的联合模型

近年来NLP在法律领域的相关研究工作

---

好文！好看