机器学习算法工程师面试
机器学习
一. 算法总结
问题类型
- 分类问题
- 聚类问题
- 回归问题
- 标注问题
- 推荐问题
- 时序问题
模型类型
- 生成模型
- 判别模型
- 线性模型
- 非线性模型
标签类型
- 监督学习
- 非监督学习
- 半监督学习
学习类型
- 计算学习
- 集成学习
- 强化学习
- 迁移学习
- 参数学习
- 非参数学习
二. 数据输入
数据采样
数据类型
- 结构化数据
- 非结构化数据
数据编码
数据预处理
三.特征工程
特征提取
特征选择
特征变换
特征融合
四.模型构建
1.神经网络
BP
RNN
CNN
SNN
GAN
2.线性分类器
SVM
- 所属类别
- 处理数据类型
- 算法原理
- 求解方式
- 伪代码和源码
- 参数调节
- 对比提升
S3VM(TSVM)
- 所属类别
- 处理数据类型
- 算法原理
- 求解方式
- 伪代码和源码
- 参数调节
- 对比提升
Logisitic Regression
- 所属类别
- 处理数据类型
- 算法原理
- 求解方式
- 伪代码和源码
- 参数调节
- 对比提升
LDA
- 所属类别
- 处理数据类型
- 算法原理
- 求解方式
- 伪代码和源码
- 参数调节
- 对比提升
3.概率图
Naive Bayes
- 所属类别
- 处理数据类型
- 算法原理
- 求解方式
- 伪代码和源码
- 参数调节
- 对比提升
Bayes Network
- 所属类别
- 处理数据类型
- 算法原理
- 求解方式