机器学习算法工程师面试 -- 总纲

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