求职经验贴中问题笔记

关于简历中的论文和项目：

（1）项目详细到细节，小论文的创新点和精度。
（2）小论文模型的具体原理。
（1）小论文的数据集，论文中的整体模型，自己的创新点，评价方法选择和自己的精度，与当前这个领域最好模型精度的差距等等。针对自己项目和论文中用到的技术，进行深挖相应的知识点。
需要注意点：
1）论文是自己的亮点，面试官感兴趣，应该仔细讲。
2）其次，论文里面用到的细节，一定要非常清楚并能讲清楚，并且讲论文的时候，要有铺垫。
对于自己的论文可以这么讲：
1）之前别人是怎么做这个领域的。
2）别人做这个领域达到的精度和方法的缺点。
3）你做的这个模型和别人做的模型有什么差别。（这里重点讲一下自己的创新点。）
4）你达到了一个怎么样的精度，效果如何。

算法编程：

数据结构中查找最快的算法是哪个？

分别说一下在数据量比较大的情况下最快的查找算法，和数据量比较小的情况下最快的查找算法。

二分查找的时间复杂度是多少？

二叉排序树的时间复杂度是多少？那三叉排序树、四叉排序树的时间复杂度呢？

查找HashMap中的一个数据的时间复杂度是多少？查找TreeMap中的一个数据的时间复杂度是多少？

数据结构中，什么是平衡二叉树？什么是二叉树？平衡二叉树的应用都有哪些？

手写代码题：输入一个字符串，输出它的倒序字符串。

给定一行字符串，求出这行字符串中出现频率最高的字符，字符串中含有标点符号，字符不区分大小写。如果出现频率相同时，输出先出现在字符串中的字符。

给你一个字符串，以这个字符串中字符出现的频率为权重，构造这个字符串的哈夫曼编码。

给你一个无序数组，找出数组中的一个数，使得在数组中，这个数之前的所有数字之和等于这个数之后所有数字之和。
输入：输入一行数字，每个数字用逗号隔开。
输出：存在这个数，则输出这个数。不存在这个数，则输出False。

给你两个无序数组M、N，输出两个数组中和最大的前K个数。在求和时，一个数来自M、另一个数来自N。
输入：输入一行，数组间用横杠（-）隔开，数组内数字用逗号隔开，最后用冒号隔开K。
输出：输出一行，输出前K大的数，每个数字用逗号隔开。

手写代码题：输入一个整型数组，数组里面有正数也有负数。数组中一个或连续的多个整数组成一个子数组。求所有子数组的和的最大值。

手写代码题：给定一个一维数组，将其中为0的元素删除掉，非零元素的相对位置保持不变，最终目标数组保留在原数组中，并且目标数组长度之外的元素全部置为0。

手写代码题：给定一个整形数组，其中的第i个元素代表股票第i天的价格。在一开始，你手里有足够的钱，但没有股票。你仅有一次买股票和一次卖股票的机会（每次只能买/卖1股），或者不买不卖。输出你可能的最大盈利值。尽量降低程序的时间复杂度。

手写代码题：有一个单向链表，链表当中有可能出现“环”。如何用程序判断出这个链表是有环链表？

手写代码题：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（先后次序不同算不同的结果）。

手写代码题：给你一个很大的文件，文件里有很多行数据，每一行数据是一个用户的uid，表示这个用户点开过抖音，请你找出打开抖音次数最频繁的前10个用户。
面试官接着解释题目：假如抖音里面有5亿用户，那么每个用户打开一次抖音就有5亿条记录，如果每个用户打开两次抖音，就有10亿条记录。也就是说，用户每打开一次抖音，就记录一下他的uid。请找出打开抖音次数最频繁的前10个用户。

机器学习：

基础知识：CNN、RNN、LSTM等。

思维题：如何利用人工智能技术检测两篇文章的相似度？请设计具体的方案，详细介绍用到的技术，及相似度衡量标准选择等。

详细介绍LSTM模型的内部结构和运行原理？画出LSTM网络的结构图，并详细介绍每个门的作用。画出LSTM网络的结构图，并说出里面涉及到的每一个公式。LSTM中为什么用两种激活函数（tanh函数、sigmoid函数）？这两种激活函数在LSTM网络中的区别？

简单介绍RNN，及它的发展和应用？RNN是如何解决梯度消失和梯度爆炸问题。

简单介绍CNN，及它的发展和应用？CNN为什么对图像work的特别好？CNN中如何解决过拟合？（BN，Dropout）

GAN的原理及发展和应用么？

边缘检测中Canny算子和Sobel算子的区别？

详细讲解一下Dilated Convolution。

画出你项目中用的到注意力机制模型图，并讲解注意力机制的工作原理。详细讲解一下你模型中用到的注意力机制？

用你最熟悉的语言，实现K-means算法。

都熟悉哪些常用的机器学习算法？

能详细的讲解一下，线性回归的原理么？具体讲解一下线性回归的底层原理，比如说如何训练，如何得到参数，如何调整参数等？

讲解一下逻辑回归的原理。手推了一下逻辑回归的公式，并讲了一下逻辑回归的原理。

详细的讲解一下朴素贝叶斯的底层原理，比如说，如何选参数，如何训练模型，如何做分类？

深度学习中的梯度消失是什么，如何解决？深度学习中解决过拟合的办法？深度学中的Embedding层的作用？

神经网络中的word2vec了解么？详细讲解一下它们的原理？

你能详细的说一下CBOW和skip-garm它们的区别么？分别适用于什么场景？

数学中一个函数的泰勒展开公式是什么？泰勒展开公式在机器学习、深度学习中都有哪些应用？

简单讲解一下随机森林算法？随机森林的缺点是什么？

机器学习中L1和L2的区别？

本文是针对2019秋招算法岗复盘的阅读笔记，主要筛选自己感兴趣的地方，详情可参阅原文。