机器学习算法面筋

蛮感谢牛客网的,拿到了些二线互联网的算法offer,待遇达到了牛客网起薪水平,哈哈,不过看到身边不少是一线互联网sp,打算蛰伏,等待机会,打个翻身战。在多说一句,现在大家晒offer很正常,毕竟都是这个阶段了,所以大家没必要喷,你拿到好的offer也想有人分享。

还有就是大家看到的都是很高的offer和学校有关系的,我室友的真的都高于传说中牛客网的白菜价的,不过大多数学校都没达到这个价位也是很正常的,再过三年再比吧,那就不是差3、5w的事情了,让自己更值钱。

很喜欢这个问题:你选择offer最看重什么?  答:钱、和未来的钱。

以下面筋都是靠记忆,我没有记笔记习惯,有些隔得时间差不多一个多月了,记得不清楚。先码,慢慢补充。

滴滴内推:

一面:

1.算法:最长不重复子序列(leetcode原题);

2.然后介绍自己的项目,中间问了些问题;

3.推导逻辑回归

3.也许代码很快,所以一面基本就这么过了。。。。

二面:

二面比较坑,面试官着急走,问的问题很快,有些我还一直懵逼状态

1.有种场景,利用规则算法有着不错的效果,可是利用规则之后的结果输入到模型中,为什么结果还变差了?

2.长尾数据如何处理?

3.GBDT在什么情况下比逻辑回归算法要差?

4.GBDT对输入数据有什么要求,如果效果比较差,可能是什么原因造成的?

5.DP,edit sitance 问题

6.比较下逻辑回归与GBDT

滴滴校招:

一面:

1.算法,有点醉,和之前内推的题目是一模一样的,又是最长不重复子序列,秒解。。

2.sigmoid函数可以优化梯度消失的问题么,数学问题,自己推导公式看下

3.sigmoid函数求导,与问题2有关

4.神经网络非线性原因分析

5.推导逻辑回归。。。。是的,又推导了

6.聊项目

7.hadoop与spark比较

8.如何理解spark是基于内存的

9.JAVA多线程问题

10.SVM核函数理解,线性回归如何利用核函数,有什么弊端

11.笔试成绩不错,说说笔试编程题。。。。。有点醉,不过还好比较简单还记得一点

我感觉一面面了快90分钟了。。。。

二面:

1.写线性回归损失函数

2.写个全排序

3.比较下常用的聚类算法,你如何理解在什么场景使用他们

4.全排序有重复数字呢?没写,说了思路

5.出了两个概率题,题目有点忘了,楼主没有答出来,不过还好之前算法写的还行,这个他也没怎么计较

6.机器学习非线性模型以及线性模型解决非线性问题

三面:

1.最短路径算法,问的很深,基本最短路径所有的算法都问了;

2.图论中的问题,感觉主要考你的理解能力,最小割问题吧(不确定)解决思路和最小生成树有关,时间长了有点忘了,这题没有参考价值,就是看理解能力;

3.问了项目中的一个模型,他问了各种优化思路,我感觉撞枪口了,这个模型的优化他绝壁很熟悉(三面一定要对模型认识比较深刻,最好能有自己的优化想法,能够吹逼);

4.写个DP,01背包问题

京东

一面:

1.算法,二分法的扩展版本,leetcode都有,就那4、5道吧;

2.算法,快排,我面试的时候隔壁有个广州来的表现不好,冒泡、快排都没写出来,影响了我的面试官,给我出了个简单的;

3.hadoop问题,类似二次好友问题,一个key有很多个value,找出内容相近的key(没说多相近),我说了simhash和二次好友两种解决思路

4.聊项目

5,推导你最熟悉的机器学习算法,楼主选了SVM,不想推导逻辑回归了

6.说说你对机器学习的看法。。。。这问题厉害了

二面:

1.写代码,一个数组中有一个数字出现两次,找出来

2.代码,判断一棵树是不是对称的

3.比较随机森林和GBDT,选择一个重点说说

4.如果随机森林数的树的个数无穷大,你觉得会过拟合么

5.GBDT对异常数值敏感么,GBDT如何处理缺失值

6.你是如何处理缺失值和异常值的

7.对hadoop和spark了解程度

8.能来实习么,觉得自己适合做什么?

先写三个,有时间在写,其实大小也面试了十几家,不过现在有事回家了,错过了腾讯、卡中心、新浪和银联的面试,就在刚才百度让我15号去面试,估计又去不了,注定与BAT无缘么。。。。

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Albert陈凯

机器学习(Machine Learning)&深度学习(Deep Learning)资料(Chapter 1)

机器学习(Machine Learning)&深度学习(Deep Learning)资料(Chapter 1) 注:机器学习资料篇目一共500条,篇目二开始更新...

49680
来自专栏磐创AI技术团队的专栏

【干货】二十五个深度学习相关公开数据集

(选自Analytics Vidhya;作者:Pranav Dar;磐石编译) 目录 介绍 图像处理相关数据集 自然语言处理相关数据集 语音处理相关数据集 ...

39150
来自专栏AI科技大本营的专栏

AI杂谈:从洗衣机到老鼠屁股

AI,即人工智能,是当前技术大热门,一定有很多同学想学,但是又觉得高深莫测,不知从何下手,没关系,本文会让大家迅速入门。

9340
来自专栏新智元

【1996~2016】盘点 20 年 AAAI 人工智能最佳论文

【新智元导读】新智元汇集计算机科学领域1996年到2016年人工智能领域最佳论文,附上题目及摘要的中文翻译,并对这些作品进行系统考察,从中可以看出人工智能这门学...

45590
来自专栏深度学习入门与实践

【机器学习Machine Learning】资料大全

  昨天总结了深度学习的资料,今天把机器学习的资料也总结一下(友情提示:有些网站需要"科学上网"^_^)   推荐几本好书: 1.Pattern Recogni...

75550
来自专栏大数据文摘

七张照片鉴别真假AJ?这家公司想教机器认识潮鞋

一家名为GOAT的潮鞋交易平台正尝试用机器学习,从七张照片中识别出一双鞋子是否是真的。

98920
来自专栏数据派THU

收藏 | 最新知识图谱论文清单(附解读、下载)

精选 6 篇来自 EMNLP 2018、COLING 2018、ISWC 2018 和 IJCAI 2018 的知识图谱相关工作,带你快速了解知识图谱领域最新研...

23330
来自专栏新智元

【CVPR 2018】照片闭眼也无妨,Facebook黑科技完美补全大眼睛

15230
来自专栏华章科技

人人都会用到的数据可视化之常用图表类型

图表是”数据可视化”的常用手段,其中又以基本图表——柱状图、折线图、饼图等等最为常用。

10730
来自专栏AI科技大本营的专栏

周末漫谈 | 如何评价 DeepMind 新提出的关系网络(Relation Network)?

本周话题 过去两周,Google旗下的DeepMind颇为引人瞩目,开发出了适用于关系推理的人工神经网络,从而让机器具备推理、理解不同物体之间错综复杂关系的能力...

74460

扫码关注云+社区

领取腾讯云代金券