面经—22应届通过集12和NLP5拿到的年薪40万：NLP需要掌握的技能点

    本人双一流应届硕士，在校科研对某一点的知识专研深度，但是在知识的广度上掌握不够，所以希望接触更广泛全面的知识，从而希望系统的学习后可以更好的进行领域的深究，最终参加了七月在线机器学习集训营12，以及NLP5的课程，课程对我的帮助挺大的，也确实如我想的，有了系统的知识后可以更好地深入点的研究，也给我铺垫了不错的基础。

算法岗需要掌握的一些东西：

1、首先传统机器学习与深度学习的基础是需要牢固的

    基础知识就包括了领域中的各种模型（原理，公式，推导，应用）；

    常用的衡量标准以及数学公式（就是有公式的东西都要理解并且能推导，例如blue，F1、各种代价函数以及optimizer等等）；

    模型、网络之间的比较和各自实际应用场景；

    特征工程方面的知识，包括了传统机器学习的一些数据处理方式，深度学习领域的数据处理方式，遇到脏数据怎么办，数据不平衡，OOV怎么处理等等。

2、leetcode是基本的要求

多做题可以提升代码能力，200道差不多（中等难度题即可）。

3、面试掌握的知识点（下面列举的每个点都可以深究）：

    条件熵、信息熵、信息增益、交叉熵、KL散度、信息增益率之间的联系（理解了能够白纸写出来）；

    TF-IDF、blue、F1-score、ROC、perplexity；

    基本数据与文本数据增强方法；

    模型（rnn、gru、lstm、transformer、bert、elmo、HMM、crf、svm、KNN、Kmeans、xgboost、decision_tree等）；

    batch_norm、layer_norm区别与联系；

    weight初始化方式以及为什么这样初始化；

    optimizer（SGD、MSGD、AdapGrad、Momentum、RMSprop、Adam）；

    文本相似度的计算方法；

    激活函数、损失函数；

4、最后，项目是重点

比如，需要有实际的应用场景，最好两个以上的解决方案，项目的改进策略

其次项目中数据的分布情况、拿到数据第一时间干了什么（观察其分布情况、观察是否有非正常数据、需要怎么处理）、某个label下的数据太少怎么办（衍生出新的领域在项目可以做，可以参考一些文本增强的论文）。

    最后找工作贵在坚持吧，祝愿大家能够找到满意的工作。

转自七月在线学员分享：七月在线 - 智能时代在线职教平台