给应聘分析/数据科学公司的校园新生应聘者的一些建议

作者:@太极儒 出处:@太极儒的博客

自己的专业方向是机器学习、数据挖掘,就业意向是互联网行业与本专业相关的工作岗位。各个企业对这类岗位的命名可能有所不同,比如数据挖掘/自然语言处理/机器学习算法工程师,或简称算法工程师,还有的称为搜索/推荐算法工程师,甚至有的并入后台工程师的范畴,视岗位具体要求而定。

机器学习、大数据相关岗位的职责

自己参与面试的提供算法岗位的公司有 BAT、小米、360、飞维美地、宜信、猿题库 等,根据业务的不同,岗位职责大概分为:

  • 平台搭建类

数据计算平台搭建,基础算法实现,当然,要求支持大样本量、高维度数据,所以可能还需要底层开发、并行计算、分布式计算等方面的知识;

  • 算法研究类

文本挖掘,如领域知识图谱构建、垃圾短信过滤等; 推荐,广告推荐、APP 推荐、题目推荐、新闻推荐等; 排序,搜索结果排序、广告排序等; 广告投放效果分析; 互联网信用评价; 图像识别、理解。

  • 数据挖掘类

商业智能,如统计报表; 用户体验分析,预测流失用户。

以上是根据本人求职季有限的接触所做的总结。有的应用方向比较成熟,业界有足够的技术积累,比如搜索、推荐,也有的方向还有很多开放性问题等待探索,比如互联网金融、互联网教育。在面试的过程中,一方面要尽力向企业展现自己的能力,另一方面也是在增进对行业发展现状与未来趋势的理解,特别是可以从一些刚起步的企业和团队那里,了解到一些有价值的一手问题。

以下首先介绍面试中遇到的一些真实问题,然后谈一谈答题和面试准备上的建议。

面试问题

  1. 你在研究/项目/实习经历中主要用过哪些机器学习/数据挖掘的算法?
  2. 你熟悉的机器学习/数据挖掘算法主要有哪些?
  3. 你用过哪些机器学习/数据挖掘工具或框架?
  • 基础知识

无监督和有监督算法的区别? SVM 的推导,特性?多分类怎么处理? LR 的推导,特性? 决策树的特性? SVM、LR、决策树的对比? GBDT 和 决策森林 的区别? 如何判断函数凸或非凸? 解释对偶的概念。 如何进行特征选择? 为什么会产生过拟合,有哪些方法可以预防或克服过拟合? 介绍卷积神经网络,和 DBN 有什么区别? 采用 EM 算法求解的模型有哪些,为什么不用牛顿法或梯度下降法? 用 EM 算法推导解释 Kmeans。 用过哪些聚类算法,解释密度聚类算法。 聚类算法中的距离度量有哪些? 如何进行实体识别? 解释贝叶斯公式和朴素贝叶斯分类。 写一个 Hadoop 版本的 wordcount。 ……

  • 开放问题

给你公司内部群组的聊天记录,怎样区分出主管和员工? 如何评估网站内容的真实性(针对代刷、作弊类)? 深度学习在推荐系统上可能有怎样的发挥? 路段平均车速反映了路况,在道路上布控采集车辆速度,如何对路况做出合理估计?采集数据中的异常值如何处理? 如何根据语料计算两个词词义的相似度? 在百度贴吧里发布 APP 广告,问推荐策略? 如何判断自己实现的 LR、Kmeans 算法是否正确? 100亿数字,怎么统计前100大的?

答题思路

  • 用过什么算法?

最好是在项目/实习的大数据场景里用过,比如推荐里用过 CF、LR,分类里用过 SVM、GBDT; 一般用法是什么,是不是自己实现的,有什么比较知名的实现,使用过程中踩过哪些坑; 优缺点分析。

  • 熟悉的算法有哪些?

基础算法要多说,其它算法要挑熟悉程度高的说,不光列举算法,也适当说说应用场合; 面试官和你的研究方向可能不匹配,不过在基础算法上你们还是有很多共同语言的,你说得太高大上可能效果并不好,一方面面试官还是要问基础的,另一方面一旦面试官突发奇想让你给他讲解高大上的内容,而你只是泛泛的了解,那就傻叉了。

  • 用过哪些框架/算法包?

主流的分布式框架如 Hadoop,Spark,Graphlab,Parameter Server 等择一或多使用了解; 通用算法包,如 mahout,scikit,weka 等; 专用算法包,如 opencv,theano,torch7,ICTCLAS 等。

  • 基础知识

对知识进行结构化整理,比如撰写自己的 cheet sheet,我觉得面试是在有限时间内向面试官输出自己知识的过程,如果仅仅是在面试现场才开始调动知识、组织表达,总还是不如系统的梳理准备; 从面试官的角度多问自己一些问题,通过查找资料总结出全面的解答,比如如何预防或克服过拟合。 产生背景,适用场合(数据规模,特征维度,是否有 Online 算法,离散/连续特征处理等角度); 原理推导(最大间隔,软间隔,对偶); 求解方法(随机梯度下降、拟牛顿法等优化算法); 优缺点,相关改进; 和其他基本方法的对比; 个人感觉高频话题是 SVM、LR、决策树(决策森林)和聚类算法,要重点准备; 算法要从以下几个方面来掌握: 不能停留在能看懂的程度,还要: 产生背景,适用场合(数据规模,特征维度,是否有 Online 算法,离散/连续特征处理等角度); 原理推导(最大间隔,软间隔,对偶); 求解方法(随机梯度下降、拟牛顿法等优化算法); 优缺点,相关改进; 和其他基本方法的对比; 对知识进行结构化整理,比如撰写自己的 cheet sheet,我觉得面试是在有限时间内向面试官输出自己知识的过程,如果仅仅是在面试现场才开始调动知识、组织表达,总还是不如系统的梳理准备; 从面试官的角度多问自己一些问题,通过查找资料总结出全面的解答,比如如何预防或克服过拟合。

  • 开放问题

由于问题具有综合性和开放性,所以不仅仅考察对算法的了解,还需要足够的实战经验作基础; 先不要考虑完善性或可实现性,调动你的一切知识储备和经验储备去设计,有多少说多少,想到什么说什么,方案都是在你和面试官讨论的过程里逐步完善的,不过面试官有两种风格:引导你思考考虑不周之处 or 指责你没有考虑到某些情况,遇到后者的话还请注意灵活调整答题策略; 和同学朋友开展讨论,可以从上一节列出的问题开始。

准备建议

  1. 基础算法复习两条线 材料阅读 包括经典教材(比如 PRML,模式分类)、网上系列博客(比如 研究者July),系统梳理基础算法知识; 面试反馈 面试过程中会让你发现自己的薄弱环节和知识盲区,把这些问题记录下来,在下一次面试前搞懂搞透。
  2. 除算法知识,还应适当掌握一些系统架构方面的知识,可以从网上分享的阿里、京东、新浪微博等的架构介绍 PPT 入手,也可以从 Hadoop、Spark 等的设计实现切入。
  3. 如果真的是以就业为导向就要在平时注意实战经验的积累,在科研项目、实习、比赛(Kaggle,Netflix,天猫大数据竞赛等)中摸清算法特性、熟悉相关工具与模块的使用。

总结

如今,好多机器学习、数据挖掘的知识都逐渐成为常识,要想在竞争中脱颖而出,就必须做到

  • 保持学习热情,关心热点;
  • 深入学习,会用,也要理解;
  • 在实战中历练总结;
  • 积极参加学术界、业界的讲座分享,向牛人学习,与他人讨论。

最后,希望自己的求职季经验总结能给大家带来有益的启发。

原文发布于微信公众号 - 大数据挖掘DT数据分析(datadw)

原文发表时间:2015-12-29

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏大数据挖掘DT机器学习

数据挖掘工程师的面试问题与答题思路

机器学习、大数据相关岗位根据业务的不同,岗位职责大概分为: 1、平台搭建类   数据计算平台搭建,基础算法实现,当然,要求支持大样本量、高维度数据,所以可能还...

2923
来自专栏机器学习算法与Python学习

机器学习类面试问题与思路总结,你需要吗?

机器学习、大数据相关岗位根据业务的不同,岗位职责大概分为: 1、平台搭建类  数据计算平台搭建,基础算法实现,当然,要求支持大样本量、高维度数据,所以可能还...

1070
来自专栏量子位

VR电影首次实现风格迁移,这要归功于AI

李林 编译整理 量子位 报道 | 公众号 QbitAI ? 制作一部VR沉浸式电影时,AI能发挥怎样的作用? Facebook做出了一些尝试,把基于对抗生成网络...

3538
来自专栏AI研习社

20 道面试题助你拿下微软 AI offer

微软在业界的霸主地位人尽皆知。它引领了云计算的风潮:第一季度的财报显示,微软提供的Azure服务和Office365在线版本的收入分别飙升了90%和42%。

1624
来自专栏新智元

微软的这项新技术证明,深度学习还能更“深入”

? 计算机视觉已经是日常生活的一部分。借助这种技术,Facebook可以识别你上传到社交网络的照片上的人物;Google Photo能够自动在收藏行列中找出...

3084
来自专栏人工智能快报

脸书采用无监督机器学习提供翻译服务

由于缺少从一种语言到另一种语言的很多翻译示例——例如从英语到乌尔都语(Urdu),Facebook(脸书)公司已经开始使用无监督的机器学习来翻译其平台上的内容。

824
来自专栏CSDN技术头条

AI 迟早灭了程序员

就目前的 AI 来看,判断某项工作是不是会被机器替代,有俩前提,大前提:可以获得足够的有效数据(能自动生成数据则无敌),也就是说机器有快速进化的基础;小前提:人...

1332
来自专栏ATYUN订阅号

谷歌:深度学习算法QT-Opt应用于机器人抓取,成功率高达96%

机器人如何获得能够有效推广到各种真实世界的物体和环境的技能?设计能够在受控环境中有效执行重复性任务的机器人系统(例如在装配线上构建产品)是相当常规的,设计能够观...

1084
来自专栏大数据挖掘DT机器学习

干货整理:深度学习 vs 机器学习 vs 模式识别

本文我们来关注下三个非常相关的概念(深度学习、机器学习和模式识别),以及他们与2015年最热门的科技主题(机器人和人工智能)的联系。 环绕四周,你会...

4245
来自专栏机器学习算法与Python学习

【爆】机器学习与大数据面试问题与答题思路

机器学习、大数据相关岗位根据业务的不同,岗位职责大概分为: 1、平台搭建类  数据计算平台搭建,基础算法实现,当然,要求支持大样本量、高维度数据,所以可能还...

4126

扫码关注云+社区