面试可能会遇到的有难度的问题

1. SVM,CART,adaboost,xgboost,FM公式推导，xgboost为什么比GBDT快，GBDT的并行化体现在什么步骤中
2. 采样方法，MCMC采样 描述一下easyensemble
3. 有空试一下经典算法的tf实现(svm,lr,)
4. 降维算法，PCA和LDA
5. 特征选择的方法，过滤式，包裹式，嵌入式
6. 低秩矩阵（矩阵的有效线性方程组的数量远小于矩阵的行数），低秩矩阵不一定稀疏，稀疏矩阵也不一定地质

深度学习

1. BN,dropout训练和测试的区别
2. cnn各个结构(conv,bn,dropout,pooling)如何反向传播

项目：

为什么不用双向rnn