机器学习算法工程师面试问题

一、OPPO提前批（岗位：机器学习算法工程师）

1.1 一面(通过)  2018.07.21

1. 手写二叉树前序遍历
2. 剑指offer青蛙跳台阶问题：一只青蛙一次可以跳上1级台阶，也可以跳上2级。求该青蛙跳上一个n级的台阶总共有多少种跳法？    我：采用递归的方式做，f(n) = f(n-1) + f(n-2)  n>=3;  f(1) = 1;   f(2) = 2; 面试官：如果不利用递归方式怎么做？ 我：构建一个vector向量，[1, 2, 3, 5 ...]  当前数等于前两个数字的和。面试官：这样做空间复杂度多少？我：O(N) 面试官：有没有更好的方法。我：用两个变量代替f(n-1), 和f(n-2)， 每次计算完后更新他们的值。这样做空间复杂度为O(1).
3. 简述一下XGBoost？  boosting的思想是每一个基分类器纠正前一个基分类器的错误，至于纠正的方式不同所以有不同的boosting算法，比如通过调整样本权值分布训练基分类器对应的AdaBoost，通过拟合前一个基分类器与目标值的误差的负梯度(也不能说是残差，只有在损失函数是平方损失时才能叫残差，一般的损失函数是近似残差)来学习下一个基分类器的方法是gradient boosting
4. 单例设计模式
5. 决策树分裂条件？
6. 信息增益怎么计算？
7. 给你两个向量，它们之间的距离计算方式有几种，分别怎么计算，写出计算公式
8. 分类问题的损失函数

1.2 二面(挂)  2018.07.21

1. auc和f-score的区别
2. SVM的工作原理
3. 未来三年的的规划
4. 你收获最大的一门课程，分别站在自己的角度和别人的角度说一下为什么你的收获大，比别人收获多
5. 你关注时事热点吗？说一下你最近关注的热点，你对此有什么看法
6. 最满意的一个项目，详细介绍一下
7. f-score的表达式
8. 最难过的一件事，怎么解决的
9. 写代码是如何调优的
10. 对于写代码如何看待
11. 说一下你的优势

二、多益网络（岗位：人工智能及大数据研发工程师）

2.1  一面  2018.08.16

1. 介绍一下自己
2. 谈一下你的觉得不错的项目
3. 深度学习中的正则化
4. 线性回归与逻辑回归的区别
5. 链表与数组的存储区别
6. QN与DQN的区别
7. 你有offer吗
8. 你如何看待加班
9. 假如你有一千万的信息文本，你如何找出重复最多的前十条
10. 冒泡排序

三、阿里巴巴（岗位：机器学习算法岗）

3.1  面试前的了解  2018.08.20

1. 卷积核的作用？在图像中或者文本中？（提取特征）
2. Pooling层的作用？（扩大感受野，降低参数规模）
3. 有没有关注神经网络的可解释性？哪些方法？
4. 有没有想过利用RNN结构去处理自动驾驶中关于时间连续的问题？
5. CBDT属于集成学习中的哪种结构？损失函数是什么？
6. CART的基本结构？
7. RELU的正半轴是线性的，怎么实现非线性的呢？（解答）

四、网易互联网（岗位：机器学习算法岗）

4.1  一面  2018.08.29

1. 自我介绍
2. 编程：给定两个有序链表如L1:{1,3,5}， L2:{2,4,6}，输出{6,5,4,3,2,1}
3. 项目介绍：基于模仿学习的自动驾驶(负责工作及实现流程)；天池工业AI大赛(特征工程、XGBOOST详细介绍：一定看透论文！！！)；
4. 树结构：当特征值为连续的如0.001，0.0011，0.0011...如何进行分裂
5. 模型结构：ResNet50的网络结构
6. 介绍一下迁移学习，如何Finetune

五、招银网络（岗位：机器学习算法岗）

5.1  简历面  2018.09.12

1. 缺失值如何处理
2. 特征工程的处理
3. 介绍如何做的模型融合
4. 说一下XGBoost与GBDT的区别，是否了解lightgbm, catboost
5. 智力题：一条线段随机分成三段，能拼成三角形的概率是多少？
6. 如何实现一个链表的逆序
7. Python中如何用pandas读取一个很大的文件，这个文件超过了计算机的内存
8. 解释一下Python的装饰器