机器学习岗位面试内容总结

引言

近两周面试了映客、美团、宜信、微播易的机器学习岗位，基本上是正式岗，也有实习生招聘。感觉被虐得挺爽，一方面是自己知道系统学习机器学习的时间才三个月，另一方面自己在疯狂地学习了机器学习的基础理论后实际使用经验不足是肯定的。一切都是那么必然发生的结果，平平常常，那又有什么必要写点东西呢？有！首先自我梳理总结，查漏补缺，争取下一次面试更加顺利；其次，也是想和志同道合的朋友们互相学习经验，互相提高。下面就几次面试内容作总结。

机器学习岗位面试题

常用机器学习算法:

1. LR（逻辑回归） -原理：代价函数的推导 -如何训练（梯度下降） -正则项的使用（L1&L2）
2. SVM （支持向量机） -原理
3. GBDT
4. 随机森林
5. Boosting

基础数据结构和算法：

1. 链表 -倒置 -判断环存在，入口位置 -链表交叉判断
2. 二叉树 -平衡二叉树的生成 -二叉树的先、中、后序遍历（非递归） -树深度
3. hashmap -实现原理 -线程安全问题 大数据处理
4. 两个大文件日志，求交集
5. 大数据找最大数
6. 大数据找 top10，等等

对我们这些菜鸟的一些建议

1. 实践是最好的老师，在项目中使用时候，有些问题才会暴露出来，引导你进一步思考，加深对算法的理解。
2. 下面介绍一些比较不错的实践平台，阿里数加、数据城堡、kaggle(注册需要访问外国网站)