1、面试准备
滴滴、美团基本是做路径规划
说明:
项目中自己是做什么的,遇到过什么问题,如何解决,效果怎样
大公司一般会问算法题目,阐述算法的过程或者给个数字让排序给张纸画一画
小公司的话就画一画算法,大公司还是要好好准备的
推公式,算法语言描述还是可能的
简历上的项目要吸引眼球–编程技能,哪些项目,面试可能会从简历开始。自己先提前描述一下。
逻辑性和前后的严密性
说明:
第一个说明就没好好准备
第二个动手能力要求高点
算法的理解深度来判断一个人的职级,低级中级还是高级
不要去捏造项目中的一些细节,只是在遇到问题时有自己的思考,有自己的逻辑,就可以,并不需要说一定要正确或者好
自己的算法和项目讲清楚就可以,不要模棱两可的
说明:
你可以讲一个你喜欢的算法吗??
GBDT或者简单点的要看看,清楚地读到1-2个算法或者讲一下哪个的模型原理
初入这个行业,想转行的,对其很感兴趣。还没彻底读通。不一定现在就要会,而是要让面试官能看到你有可以会的能力,可以正确学习算法,具有可以正确学习的能力
需要认真做一个项目
也可以找人要求低,缺人的情况
说明:
kaggle论坛
有低级的,可以做一做
数据清洗,特征工程
说明:
改进:也可以使用现有的一些技巧放进去。哪些得到了提升,那些没得到提升
公司一般主要做算法开发
面试一个月前刷题。
2、算法工程师的日常工作
对自己的定位图像算法工程师
说明:
一般两周一个项目,试试
说明:
特征工程
模型训练和调优比较关键。不单单指的调参,不同的场景有不同的网络结构,损失函数,权重,自定义的损失函数等
不需要手动做特征,因此第一段时间少一点。
数据准备可能需要自己去标记数据
眼睛,颈椎,腰椎,胃部保护,哈哈!
第一个小项目机器学习
说明:
找最强的特征是可能造成影响的特征,比如下单行为而不是浏览行为
说明:
对比训练和验证,从模型跑出来的结果的数量级去判断好还是不好,比如1%和0.1%的数量级,10倍的差距
第二个小项目深度学习
先转化成算法问题–目标检测问题
说明:
没数据的情况下找公开数据集进行
工作中还可能是需要自己做标记
说明:
先跑一个模型看看结果,
然后再进行改进(看论文),并且了解别人可以做到什么精度,我们的目标是什么?再
找论文找技巧(需要research)
3、职业前景
说明:
想升职:多写代码,多些项目。多跑模型,运气成分,绩效高强度的写代码的毅力
算法+沟通能力+产品设计的兴趣
工程水平(纯靠写代码)是硬伤啊
没人告诉你对错,要自己试错