如何準備機器學習工程師的面試 ？

　　我之前面試一些公司的機器學習或者數(shù)據(jù)挖掘工程師的職位。感覺自己準備的不夠充分。想了解下一般會問哪些問題，考察哪些方面的東西。

　　機器學習方面的面試主要分成三個部分： 1. 算法和理論基礎(chǔ) 2. 工程實現(xiàn)能力與編碼水平 3. 業(yè)務(wù)理解和思考深度

　　1. 理論方面，我推薦最經(jīng)典的一本書《統(tǒng)計學習方法》，這書可能不是最全的，但是講得最精髓，薄薄一本，適合面試前突擊準備。 我認為一些要點是： 統(tǒng)計學習的核心步驟：模型、策略、算法，你應(yīng)當對logistic、SVM、決策樹、KNN及各種聚類方法有深刻的理解。能夠隨手寫出這些算法的核心遞歸步的偽代碼以及他們優(yōu)化的函數(shù)表達式和對偶問題形式。 非統(tǒng)計學習我不太懂，做過復(fù)雜網(wǎng)絡(luò)，但是這個比較深，面試可能很難考到。 數(shù)學知識方面，你應(yīng)當深刻理解矩陣的各種變換，尤其是特征值相關(guān)的知識。 算法方面：你應(yīng)當深刻理解常用的優(yōu)化方法：梯度下降、牛頓法、各種隨機搜索算法(基因、蟻群等等)，深刻理解的意思是你要知道梯度下降是用平面來逼近局部，牛頓法是用曲面逼近局部等等。

　　2. 工程實現(xiàn)能力與編碼水平 機器學習從工程實現(xiàn)一般來講都是某種數(shù)據(jù)結(jié)構(gòu)上的搜索問題。 你應(yīng)當深刻理解在1中列出的各種算法對應(yīng)應(yīng)該采用的數(shù)據(jù)結(jié)構(gòu)和對應(yīng)的搜索方法。比如KNN對應(yīng)的KD樹、如何給圖結(jié)構(gòu)設(shè)計數(shù)據(jù)結(jié)構(gòu)?如何將算法map-red化等等。 一般來說要么你會寫C，而且會用MPI，要么你懂Hadoop，工程上基本都是在這兩個平臺實現(xiàn)。實在不濟你也學個python吧。

　　3. 非常令人失望地告訴你盡管機器學習主要會考察1和2 但是實際工作中，算法的先進性對真正業(yè)務(wù)結(jié)果的影響，大概不到30%。當然算法必須要足夠快，離線算法最好能在4小時內(nèi)完成，實時算法我沒搞過，要求大概 更高。 機器學習大多數(shù)場景是搜索、廣告、垃圾過濾、安全、推薦系統(tǒng)等等。對業(yè)務(wù)有深刻的理解對你做出來的系統(tǒng)的結(jié)果影響超過70%。這里你沒做過實際的項目，是 完全不可能有任何體會的，我做過一個推薦系統(tǒng)，沒有什么算法上的高大上的改進，主要是業(yè)務(wù)邏輯的創(chuàng)新，直接就提高了很明顯的一個CTR(具體數(shù)目不太方便 透露，總之很明顯就是了)。如果你做過實際的項目，一定要主動說出來，主動讓面試官知道，這才是最大最大的加分項目。 最后舉個例子，阿里內(nèi)部機器學習挑戰(zhàn)賽，無數(shù)碾壓答主10000倍的大神參賽。最后冠軍沒有用任何高大上的算法而是基于對數(shù)據(jù)和業(yè)務(wù)的深刻理解和極其細致 的特征調(diào)優(yōu)利用非�；�本的一個算法奪冠。所以啥都不如真正的實操擼幾個生產(chǎn)項目啊。

【如何準備機器學習工程師的面試 ？】相關(guān)文章：

面試經(jīng)驗分享之機器學習、大數(shù)據(jù)問題03-20

面試準備馬虎不得09-26

外企應(yīng)聘如何準備RESUME？09-25

求職面試的準備工作09-26

怎么準備美國留學面試09-25

如何準備考研英語02-13

面試前應(yīng)該準備的和注意的09-26

面試前應(yīng)做哪些準備？09-25

面試技巧：面試如何敲門？11-21

SEO求職者面試前準備及面試技巧09-25