平台研究类
数据计算平台搭建,基础算法实现,当然,要求支持大样本量、高维度数据,所以可能还需要底层开发、并行计算、分布式计算等方面的知识;
算法研究类
文本挖掘,如领域知识图谱构建、垃圾短信过滤等;
推荐,广告推荐、APP 推荐、题目推荐、新闻推荐等;
排序,搜索结果排序、广告排序等;
广告投放效果分析;
互联网信用评价;
图像识别、理解。数据挖掘类
商业智能,如统计报表;
用户体验分析, 预测流失用户。有的应用方向比较成熟,业界有足够的技术积累,比如搜索、推荐,也有的方向还有很多开放性问题等待探索,比如互联网金融、互联网教育。在面试的过程中,一方面要尽力向企业展现自己的能力,另一方面也是在增进对行业发展现状与未来趋势的理解,特别是可以从一些刚起步的企业和团队那里,了解到一些有价值的一手问题。
以下首先介绍面试中遇到的一些真实问题,然后谈一谈答题和面试准备上的建议。面试问题
- 你在研究/项目/实习经历中主要用过哪些机器学习/数据挖掘的算法?
- 你熟悉的机器学习/数据挖掘算法主要有哪些?
- 你用过哪些机器学习/数据挖掘工具或框架?
基础知识
1 无监督和有监督算法的区别