集训营四期面经


我是集训营四期的学员,2018 年开始在七月这边学习,之前自己陆陆续续写了一年,看了网课,感觉网课中的理论的有些难理解,而且实际做项目中,也不知道高深的理论该怎么食用,集训营的老师讲的十分通俗,学起来也比之前轻松了许多。

平时跟课程,需要克服自己惰性,不过最后还是检查下来了,也十分感谢努力的自己,除了七月的集训营,也重点看了算法的小课,老师手撕 DP 的场景,还历历在目。

说道面试,简历自己一定要好好写,把项目内容写得详实一些,简历中有的,已经要保证自己都会,没有的不要写上去,尽量不要鼓吹自己会什么,因为你基本上不会比面试官厉害,集训营的课程在内容上也有难度,授课老师不错。此外,还有 leetcode 刷题的课程,熟练的完成编程题,在面试中的印象分会很高,前前后后也算面了一两个月,面的公司大小都有,
关于项目,其实首先要先了解一下你将要面试的公司,业务是否贴近,这样找工作的岗位,更有针对性,提高匹配度也能提高面试成功率。每个人的项目差距很大,这里主要总结性的列举一下面试题目。

初创公司

  1. auc 的计算?有什么物理含义?
  2. 手写算法题:DFS,BFS
  3. LR 公式推导,求梯度
  4. 0-1 背包问题
  5. 图像类数据,有什么扩充的方法?
  6. 说一说 xgboost 和 gbdt 的差别?
  7. CNN,RNN,LSTM
  8. 准率率,召回率,F1-score 的含义。
  9. 深度学习调参经验
  10. L1,L2,Dropout
  11. SGD 和牛顿法
  12. bagging 和 boosting 的区别是什么?


中型互联网公司

  1. 单源求最短路径。
  2. 动态规划,DFS 搜索
  3. TF-IDF 的计算方式,用 MapReduce 实现
  4. 朴素贝叶斯,怎么平滑?
  5. 讲一下 gbdt+lr ?
  6. 如果解决过拟合现象?
  7. 讲一下 SVM,说说核函数的功能和设计


大型互联网公司

  1. gbdt 公式推导
  2. xgboost 公式推导
  3. FM 公式推导
  4. 算法题:全排列
  5. word2vec,层次 softmax 和 skip-gram
  6. MapReduce 手写 word count
  7. kmeans 算法,为什么一定会收敛,讲一下 EM 算法,kmeans 算法有什么缺点?
  8. gbdt 和随机森林有什么区别?
  9. 算法题:编辑距离


互金公司

  1. L1 和 L2
  2. 使用蒙特卡罗方法计算圆周率
  3. 编程题 topk 问题
  4. 霍夫曼编码(word2vec 中的层次 softmax)
  5. 编程题:八皇后问题
  6. spark 用过么?和 hadoop 有什么区别?
  7. 讲一讲 MapReduce 的过程
  8. xgboost 原理,为什么使用二阶?
  9. SVM 公式推导
  10. 讲一讲交叉验证


大型互联网公司

  1. 了解哪些激活函数,怎么用?
  2. 了解 GAN 么?
  3. 特征方程的几何意义?
  4. 将一下 pca
  5. 讲一下 MapReduce 的过程,用 word count 来举例
  6. 编程题:括号匹配
  7. 主题模型了解么?
  8. 什么是极大似然估计
  9. 推导一下 LR
  10. word2vec 有哪些优化方法?
  11. GMM 和 KMeans 有什么异同,为什么一定会收敛?
  12. 推导一下 SVM 的损失函数,解释一下核函数的设计思想


可以发现,面试题基本都中规中矩,在课程中基本都可以学到。主要是面试时,是否能够回答到点子上,理解上有没有深度,自己的理解、思考和体会。课后也要多写项目,多练多总结,才能有提升。

推荐的书籍,我觉得有很多,比较有代表性的就是《统计学习方法》,《百面机器学习》,《数学之美》和《推荐系统实践》这些书。

在七月认识了很多老师和朋友,这一路走过来少不了相互的鼓励,最后同学们通过不断地努力,也有了不错的工作,很感谢这段经历。
已邀请:

要回复问题请先登录注册

收藏七月在线,一起向大牛进阶

ctrl+D或command+D可以快速收藏哦~