刘丽娟的面试总结

复习计划：
一、HMM隐马尔可夫模型，最大熵模型，CRF条件随机场
2017.11.21-2017.11.30 (两周时间)
1、CRF原理，公式推导
2、CRF源代码阅读
3、CRF实体标注、词性标注、句法分析的应用
4、熟悉之前的项目工程

二、RNN神经网络扩展
2017.12.1-2017.12.16(两周时间)
1、RNN基本原理
2、CNN文本分类
3、word2vec原理及其源码阅读
4、智能对话和阅读理解系统，论文和代码理解

三、句法分析
1、双向传播抽取属性词

四、分词程序
1、源码阅读：斯坦福分词，结巴分词

五、textrank，pagerank
1、关键词抽取过程优化
2、情感词扩展过程

六、LDA
1、话题跟踪的过程

七、聚类算法，kmeans，层次聚类、密度聚类
1、专家观点聚类的过程

八、mapreduce原理理解及其spark源码阅读

九、GBDT和xgboost

穿插复习之前讲过的内容
1、各种优化算法，公式推导，代码实现。
2、线性回归和逻辑回归，公式推导，代码实现或源代码阅读。
3、SVM和SVR，公式推导，代码实现或源代码阅读。
3、分类决策树，公式推导。
4、二分查找

如何准备机器学习工程师的面试 ？
https://www.zhihu.com/question/23259302

数据结构和算法：
1、百度面试一面
作者：AngelCJ
链接：https://www.nowcoder.com/discuss/30547?type=2&order=3&pos=10&page=1
来源：牛客网

1.字符串移位，给出字符串abc##dfg##gh，实现将所有#移至字符串串头。输出####abcdfggh（个人认为可以用后向移位，减少移位次数）
2.给出一个二维矩阵，从（0,0）出发走到右下角，只能向右或向下走，找到一条路径，是这条路径上的总和最大。（个人认为使用动态规划或深度遍历）
3.给出一颗二叉树，两个叶节点，找到这两个叶节点互连通的一条最短路径。（个人认为主要是找两个叶节点的最近公共祖先）
其实考点不难，主要是基础，做到有思路，会写代码。
最大的遗憾是思路知道，但是代码不清晰，写的不好。

2、搜狗面试经验

n个苹果放入m个盒子

https://www.zhihu.com/question/51448931

经验分享：
海波面试经验分享：
三大块：数据结构，机器学习算法、项目经验
1、数据结构：手写代码是基础，需要多练练，面试的时候写不出来，挺吃亏的。看《剑指offer》这本书，也在leetcode上刷了一些题。代码熟悉之后，可以在纸上抄抄，毕竟键盘上打字符和在纸上写，还是有区别的。
2、机器学习算法：算法的用途，目标函数，如何求参数，基本模型要写能写出python代码。
3、项目经历：项目中用到的算法模型，进行提炼。

16年开始断断续续的准备，今年1月份开始正儿八经的弄了，过完年回来，又复习了一下，就开始面试了
让我手写过朴素贝叶斯和k均值，还好我之前都写过。
项目中用到的算法，你要知道这个算法的目标函数，原理，和其他算法对比的优缺点，以及一些重要的trick，比如svm中核函数。
周海波-数据挖掘工程师-工作3.5
年.pdf
213.19KB

2017年度面试总结–zh
b.pdf
599.17KB
杭州天猫电话面试 问的几个问题
1、线性回归
2、逻辑回归
3、分类：决策树分类、建立决策树的过程，信息熵和信息增益比较，ID3和C45区别
GBDT
解释朴素贝叶斯分类
3、SVM是如何用核函数把样本映射到高维空间的
4、HMM的思想

豆瓣自然语言处理笔试和面试题目
笔试题目：
1、扑克牌A-K，有放回随机抽样，至少抽多少次才能把所有花色的扑克牌抽全。
2、SVM优化目标函数，约束条件。
w，b的推导过程（拉格朗日函数及其约束）。
解释支持向量。
3、快速排序算法，quick_sort(list,size,reverse)
reverse==0降序， reverse==1升序
4、解释以下现象的原因并提出解决方案。
（1）训练误差小。
（2）训练误差大。
（3）训练误差减小慢。
（4）训练误差减小慢，在一个时刻突然急速增大。
（5）在训练集上误差小，验证集上误差大。
（6）训练集上和验证集上误差都小，在测试集上误差大。
（7）训练集，验证集，测试集误差都小，但产品经理不满意。
面试总结：
1、经典算法的代码实现。比如LDA，SVM，Kmeans聚类算法。
2、经典算法的公式推导和核心思想的解释。
优化目标，参数求解，自己能独立的纸上推导出来，比如SVM。
3、经典度量公式能立马写出来。
比如，熵：已知P1+P2+….+Pn=1，求这些p的熵的和
新词发现：互信息，左右信息熵的公式。
分类的准确率，召回率的公式和理解。
4、了解数据的分布，比如解释正态分布。
抽样概率如上题1。
随机数的生成。
5、经典算法存在的问题：
如kmeans算法有什么优缺点，如何改进。

小米面试题目：
1、求两个字符串的最大公共子串
2、写出二分查找算法

面试复习计划：
复习知识：
1、概率图模型HMM、CRF（原理和应用）
2、分类算法：SVM、朴素贝叶斯、K近邻、决策树、集成学习（原理和应用）
3、聚类算法：kmeans、层次聚类、密度聚类（原理和应用）
4、LDA、PLSA、LSA（原理和应用）
5、半监督学习（算法思想）
6、新词发现（技术实现细节）
7、词语度量标准：频率、tfidf；
距离计算公式：欧氏距离、余弦距离；
特征选择算法：卡方统计、互信息、信息增益；
8、文本表示方法：向量空间模型、word2vec、doc2vec
9、深度学习算法CNN，RNN，LSTM，seq2seq（原理和应用）
10、关键词抽取pageRank、TextRank（方法和原理）
11、句子相似度simhash（方法和原理）
12、关系抽取（原理和应用）
13、大数据ETL的过程

基础知识：
1、数据结构和算法：动态规划
2、概率论：随机数的生成、数据分布
3、高等数学
4、最优化理论

刷题计划：
2017.3.10-2017.5.10
每天花两个小时时间刷两道题。
来源：leetcode，剑指offer，其他的大公司面试经历中提到的编程题目。

2017.4.7小米面试：
1、一面：SVM分类原理（推导，目标函数，优化），SVM是如何实现多分类的，多分类的评价。LDA话题模型原理。
2、编程题，字符串全排列（回溯思想）。过拟合的解决方法。
3、CRF原理。RNN的LSTM的三个门哪个重要，哪个不太重要。深度学习做分类，CNN是否用过。incoding，decoding原理。机器翻译是否做过。
总结：(1)知识面太窄了，对文本相关的理论和算法以及调优，要广而深。广：比如深度学习的分类运用，以及文本机器翻译相关。深：对于已做过项目，要深入理解原理，比如LSTM的原理。(2)对于编程和算法的知识盲点要勇于探索，比如回溯思想，深度学习的优化思路和LSTM原理理解。(3)对于各个算法的推导要非常熟练，比如SVM。(4)要深入理解各个概念，比如F值的计算。

2017.4.17美团面试总结：
只有一面 ，感觉挂了，主要原因分析：
1、问是否了解GBDT，说不是很了解。问是否了解排序(应该是用来做推荐的)

2017.4.18滴滴研究院面试总结：
同样顺利的挂了。
1、python语言相关的，比如xxx这种函数是什么。
2、是否会用C/C++，让写一个程序，不会写退缩了。
3、深度学习相关的，问是否懂attention机制。
4、问是否看过word2vec的源代码。
5、正则表达式写规则，还需再熟练一下。
6、算法相关的：问是否懂分治算法、动态规划。

2014.4.11
1、文本特征选择方法
卡方统计，信息增益，互信息
http://blog.sina.com.cn/s/blog_6622f5c30101datu.html

接下来一年的计划：
1、每天写一个程序，分别用python和C/C++。每天穿插看python和C/C++语法。
2、接下来把自己做的东西再捋一遍，按照简历。
3、按照研究结论的程序，熟练GBDT，包括调优。

搜狗面试总结：
一面，一个女生面的
问题:
问CRF怎么推理的，说没关注
Textrank里做关键词其实还有许多需要调整的地方，自己不知道
出了大数据的程序，需要规约的思想，不清楚
对话系统那个神经网络结构说的不清不楚。

三轮leader面:
Rnn进行实体标注说的不好
问CNN分类求解参数的反向传播过程不清楚
LDA主题模型没说清楚
智能对话那个神经网络结构不清不楚
说CRF的基本思想说的不好
写逻辑回归的优化参数的过程写的嗑磕趴趴
随机森林和GBDT没关注过

总结:自己其实用到的东西特别多，知道的也很多，但都不清不楚，迷迷糊糊，感觉涉及的面很广了，下一步需要深入进去每一个小点，把模型各个击破，全面透彻了解各个方面，深入进去，一定要钻进去。

抓住重点，各个击破。
首先回去先看一下那个CNN做股价涨跌的模型。
然后再看一下CRF

自然语言处理面试题汇总：
1、快速排序
2、归并排序
3、外排序
4、二分查找法
5、随机数生成（如下所示）
6、树的层级遍历
7、二叉树查找
8、如何进行词性标注（如下所示）

各个监督学习非监督学习算法
海量数据处理题，怎么求两个大文件的交集
（1）如何看判断两个词的相关度 （2）如果两个词没有共现过呢
项目中有没有用到聚类分类的方法
如果SVM线性不可分了怎么办？
平衡二叉树、ROC曲线、现场写层次遍历还有分治算法题
L1范数和L2范数区别