面试问题
机器学习常用算法,例如:
决策树的ID3,C4.5,CART等,决策树的split原理和剪枝策略
神经网络如何工作
SVM的原理及公式推导
朴素贝叶斯的公式
Bagging 和 Boosting的区别
GBDT的参数怎么调
聚类过程
偏差和方差是什么,高偏差和高方差说明了什么
怎么理解损失函数,SVM的损失函数是什么,写出公式
过拟合怎么解决,L1和L2正则化有什么区别
为什么用最小二乘而不是最小四乘
GB和牛顿法的区别,它们和泰勒公式的关系
数据结构算法知识,手写代码,例如:
最大子数组和
快速排序
字典排序
特征工程
PCA的原理
数据结构算法知识,手写代码,例如:
最大子数组和
快速排序
字典排序
编程能力,考察熟悉的编程语言的相关知识,编程语言掌握一门即可,例如:
java:static的作用,hashmap,arraylist和linklist的区别,多线程
c/c++:实现strstr(判断一个字符串是否是另一个的子串)
编程能力,考察熟悉的编程语言的相关知识,编程语言掌握一门即可,例如:
java:static的作用,hashmap,arraylist和linklist的区别,多线程
c/c++:实现strstr(判断一个字符串是否是另一个的子串)
python:安装Python的命令是什么,用python读取一个文件,一行一行的输出(不能用库函数)
python:安装Python的命令是什么,用python读取一个文件,一行一行的输出(不能用库函数),python常用库
大数据开发能力:Hadoop/Hive/Map Reduce开发,例如Map Reduce 写 word count
深度学习知识:
深度学习框架
CNN:什么是卷积,为什么要padding(根据简历的具体项目问
---------------------
题目汇总
- 笔试题
- 在互联网分析中,通常会关注用户的【第N日激活率】来衡量用户质量。用户的第N日激活指的是用户在注册的第N天登录网站或App,即算为该用户的第N日激活。第N日激活率指的是某日注册用户在第N天激活的数量除以该日所有注册用户数量
- “赤兔”是领英中国针对中国职场人士推出的一款本土化的社交应用。如果你是领英中国的数据分析师,你会从哪些方面和维度来设计各项指标,给产品的设计和运营提供数据上的支持?请给出具体的维度和指标,并说明原因。
- 网易游戏的一道笔试题是给定一条包含3个join的SQL语句,要求写代码模拟实现SQL的功能。
- 编程题
- 最少时间复杂度求数组中第k大的数,写code
- 去除字符串S1中的字符使得最终的字符串S2不包含’ab’和’c’,写code
- 长度为N的序列Sequence=abc….Z,问有多少不同的二叉树形态中序遍历是这个,写递推公式
- 给定整数n和m,问能不能找出整数x,使得x以后的所有整数都可以由整数n和m组合而成
- 中序遍历二叉树,利用O(1)空间统计遍历的每个节点的层次,写bug free的code
- 排序二叉树转双向链表
- 一个运算序列只有+、*、数字,计算运算序列的结果
- 机器学习&数据挖掘问题
- L1和L2正则项 >> 它们间的比较
- 各个模型的Loss function,牛顿学习法、SGD如何训练
- 介绍LR、RF、GBDT ,分析它们的优缺点,是否写过它们的分布式代码
- 介绍SVD、SVD++
- 是否了解线性加权、bagging、boosting、cascade等模型融合方式
- 推荐系统的冷启动问题如何解决
- 是否了解A/B Test以及A/B Test结果的置信度
- 特征工程经验
- 是否了解mutual infomation、chi-square、LR前后向、树模型等特征选择方式
- 解决方案类题目
- 为今日头条设计一个热门评论系统,支持实时更新
- 给定淘宝上同类目同价格范围的两个商品A和B,如何利用淘宝已有的用户、商品数据、搜索数据、评论数据、用户行为数据等所有能拿到的数据进行建模,判断A和B统计平均性价比高低。统计平均性价比的衡量标准是大量曝光,购买者多则高。
- 有n个elements和1个Compare(A, B)函数,用Compare函数作为排序算法中的比较算子给elements排序。Compare函数有p的可能比较错。排序完取Top m个元素,本来就在Top m并被正确分在Top m的元素个数是x。问x的数学期望。
传统机器学习
常见机器学习问题
1) 过拟合问题
2) 交叉验证问题
3) 模型融合问题
4) 模型选择问题
面试常见问题
1) 几种模型( SVM,LR,GBDT,EM )的原理以及公式推导;
2) RF,GBDT 的区别; GBDT,XgBoost的区别(烂大街的问题最好从底层原理去分析回答);
3) 决策树处理连续值的方法;
4) 特征选择的方法;
5) 过拟合的解决方法;
6) K-means 的原理,优缺点以及改进;
7) 常见分类模型( SVM ,决策树,贝叶斯等)的优缺点,适用场景以及如何选型;
8) SVM 为啥要引入拉格朗日的优化方法;
9) 假设面试官什么都不懂,详细解释 CNN 的原理;
10) 梯度下降的优缺点
11) EM与K-means的关系;
12) L1与L2的作用,区别以及如何解决L1求导困难;
13) 如何用尽可能少的样本训练模型同时又保证模型的性能;
14) ID3和C4.5的优缺点,树的融合(RF和GBDT)
15) 特征提取方法,如何判断特征是否重要
16) BP神经网络以及推导
17) HMM模型状态推导
18) 过拟合原因以及解决办法(深度学习同)
19) 常见损失函数
20)机器学习性能评价,准确率,召回率,ROC
22)降采样,PCA,LDA
深度学习
常见问题
1)四种激活函数区别和作用
2)过拟合解决方法
3)(CNN)卷及神经网络各层作用
4)(RNN)循环神经网络
5)LSTM
6)梯度弥散
7)优化算法 adam,SGD等
8)分析Alexnet,VGG的网络结构以及各层作用
9)XgBoost(好像很多公司也面到了)
10)梯度下降的优化
12)卷积核参数计算
13)TensorFlow中的session是什么,session和interactivesession的区别
深度学习
模型评估方法
- Accuracy作为指标有哪些局限性?
- ROC曲线和PR曲线各是什么?
- 编程实现AUC的计算,并指出复杂度?
- AUC指标有什么特点?放缩结果对AUC是否有影响?
- 余弦距离与欧式距离有什么特点?
基本方法
- 如何划分训练集?如何选取验证集?
- 什么是偏差和方差?
- 什么是过拟合?深度学习解决过拟合的方法有哪
- 解决欠拟合的方法有哪些?
- 深度模型参数调整的一般方法论?
优化方法
- 简述了解的优化器,发展综述?
- 常用的损失函数有哪些?分别适用于什么场景?
- 梯度下降与拟牛顿法的异同?
- L1和L2正则分别有什么特点?为何L1稀疏?
深度学习基础
- 以一层隐层的神经网络,relu激活,MSE作为损失函数推导反向传播
- NN的权重参数能否初始化为0?
- 什么是梯度消失和梯度爆炸?
- 常用的激活函数,导数?
- relu的有优点?又有什么局限性?他们的系列改进方法是啥?
- sigmoid和tanh为什么会导致梯度消失?
- 一个隐层需要多少节点能实现包含n元输入的任意布尔函数?
- 多个隐层实现包含n元输入的任意布尔函数,需要多少节点和网络层?
- dropout为何能防止过拟合?
- dropout和BN 在前向传播和方向传播阶段的区别?
CNN
- 给定卷积核的尺寸,特征图大小计算方法?
- 网络容量计算方法
- 共享参数有什么优点
- 常用的池化操作有哪些?有什么特点?
- CNN如何用于文本分类?
- resnet提出的背景和核心理论是?
- 空洞卷积是什么?有什么应用场景?
RNN
- 简述RNN,LSTM,GRU的区别和联系
- 画出lstm的结构图,写出公式
- RNN的梯度消失问题?如何解决?
- lstm中是否可以用relu作为激活函数?
- lstm各个门分别使用什么激活函数?
- 简述seq2seq模型?
- seq2seq在解码时候有哪些方法?
- Attention机制是什么?
机器学习
基础
- 样本不均衡如何处理?
- 什么是生成模型什么是判别模型?
集成学习
- 集成学习的分类?有什么代表性的模型和方法?
- 如何从偏差和方差的角度解释bagging和boosting的原理?
- GBDT的原理?和Xgboost的区别联系?
- adaboost和gbdt的区别联系?
模型
- 手推LR、Kmeans、SVM
- 简述ridge和lasson的区别和联系
- 树模型如何调参
- 树模型如何剪枝?
- 是否存一定存在参数,使得SVM的训练误差能到0
- 逻辑回归如何处理多分类?
- 决策树有哪些划分指标?区别与联系?
- 简述SVD和PCA的区别和联系?
- 如何使用梯度下降方法进行矩阵分解?
- LDA与PCA的区别与联系?
特征工程
- 常用的特征筛选方法有哪些?
- 文本如何构造特征?
- 类别变量如何构造特征?
- 连续值变量如何构造特征?
- 哪些模型需要对特征进行归一化?
- 什么是组合特征?如何处理高维组合特征?
其他(分方向)
-
word2vec的原理,glove的原理,fasttext的原理?
-
cbow和skipgram如何选择?
-
了解elmo和bert吗?简述与word embedding的联系和区别
-
图像和文本和语音数据各有哪些数据增强方法?
-
rcnn、fatse rcnn、fatser rcnn、mask rcnn的原理?
-
介绍resnet和GoogLeNet中的inception module的结构?
-
介绍yolo和ssd ?
-
介绍FM,FFM,deepFM,deepWide.
-
机器翻译如何解决oov?
-
等等
数据结构与算法
二叉树类
- 前中后的非递归?
- 层次遍历,之字遍历?
- 二叉树的序列化与反序列化
- 前中,后中遍历结果恢复二叉树
- 排序二叉树的序列化
- 二叉树的直径
- 二叉树的路径和为定值的路径
- 翻转、复制二叉树
- 排序二叉树转双向链表
- 判断二叉树是否相同?判断一棵树是不是另一棵树的子树?
搜索回溯
- 八皇后,全排列,组合
- 重复数字的排列,重复数字的组合
- 图的搜索
- A star
概率题
- 用rand7构造rand10
- 轮盘赌
- 三角形内等概论随机选点
- 等等
动态规划
- 编辑距离
- 背包
- LCS
字符串
- 给定字符串是否符合正则表达式XXX
- 给定字符串是否是数字?
- KMP
- 超大数相加
数组、二分、快排系列
- 旋转数组查找
- 数组中的topk
- 旋转打印数组
- 行列递增矩阵查找数字
- 查找出现超过一半的数字
- 查找和为定值的两个数
链表
- 翻转链表
- 两个链表是否有交点
- 一个链表是否有环
- 链表的倒数k个节点
- 合并链表
- 逆序打印链表
排序
- 各种排序的复杂度最优最差平均
- 堆排序topk
- 快排的变化
海量数据题
- 海量日志的出现最多的10个字符串
- 10亿个1-10的数字排序
- trie树
- hashmap
- 布隆过滤器
- bitmap