當前位置︰首頁 > 職業發展 > 正文

一文總結機器學習類面試問題與思路2018-08-07 13:29:53 | 編輯︰hely | 查看︰ | 評論︰0

數據計算平台搭建,基礎算法實現,當然,要求支持大樣本量、高維度數據,所以可能還需要底層開發、並行計算、分布式計算等方面的知識。
機器學習、大數據相關崗位根據業務的不同,崗位職責大概分為︰

一、平台搭建類

數據計算平台搭建,基礎算法實現,當然,要求支持大樣本量、高維度數據,所以可能還需要底層開發、並行計算、分布式計算等方面的知識。

二、算法研究類

文本挖掘,如領域知識圖譜構建、垃圾短信過濾等;

推薦,廣告推薦、APP 推薦、題目推薦、新聞推薦等;

排序,搜索結果排序、廣告排序等;

廣告投放效果分析;

互聯網信用評價;

圖像識別、理解。

三、數據挖掘類

商業智能,如統計報表;

用戶體驗分析,預測流失用戶。

以上是根據求職季有限的接觸所做的總結。有的應用方向比較成熟,業界有足夠的技術積累,比如搜索、推薦,也有的方向還有很多開放性問題等待探索,比如互聯網金融、互聯網教育。在面試的過程中,一方面要盡力向企業展現自己的能力,另一方面也是在增進對行業發展現狀與未來趨勢的理解,特別是可以從一些剛起步的企業和團隊那里,了解到一些有價值的一手問題。

以下首先介紹面試中遇到的一些真實問題,然後談一談答題和面試準備上的建議。

四、面試問題

你在研究/項目/實習經歷中主要用過哪些機器學習/數據挖掘的算法?

你熟悉的機器學習/數據挖掘算法主要有哪些?

你用過哪些機器學習/數據挖掘工具或框架?

基礎知識

無監督和有監督算法的區別?

SVM 的推導,特性?多分類怎麼處理?

LR 的推導,特性?

決策樹的特性?

SVM、LR、決策樹的對比?

GBDT和決策森林的區別?

如何判斷函數凸或非凸?

解釋對偶的概念。

如何進行特征選擇?

為什麼會產生過擬合,有哪些方法可以預防或克服過擬合?

介紹卷積神經網絡,和 DBN 有什麼區別?

采用 EM 算法求解的模型有哪些,為什麼不用牛頓法或梯度下降法?

用 EM 算法推導解釋 Kmeans。

用過哪些聚類算法,解釋密度聚類算法。

聚類算法中的距離度量有哪些?

如何進行實體識別?

解釋貝葉斯公式和樸素貝葉斯分類。

寫一個 Hadoop 版本的 wordcount。

……

五、開放問題

給你公司內部群組的聊天記錄,怎樣區分出主管和員工?

如何評估網站內容的真實性(針對代刷、作弊類)?

深度學習在推薦系統上可能有怎樣的發揮?

路段平均車速反映了路況,在道路上布控采集車輛速度,如何對路況做出合理估計?采集數據中的異常值如何處理?

如何根據語料計算兩個詞詞義的相似度?

在百度貼吧里發布 APP 廣告,問推薦策略?

如何判斷自己實現的 LR、Kmeans 算法是否正確?

100億數字,怎麼統計前100大的?

……

答題思路

一、用過什麼算法?

最好是在項目/實習的大數據場景里用過,比如推薦里用過 CF、LR,分類里用過 SVM、GBDT

一般用法是什麼,是不是自己實現的,有什麼比較知名的實現,使用過程中踩過哪些坑;

優缺點分析。

二、熟悉的算法有哪些?

基礎算法要多說,其它算法要挑熟悉程度高的說,不光列舉算法,也適當說說應用場合;

面試官和你的研究方向可能不匹配,不過在基礎算法上你們還是有很多共同語言的,你說得太高大上可能效果並不好,一方面面試官還是要問基礎的,另一方面一旦面試官突發奇想讓你給他講解高大上的內容,而你只是泛泛的了解,那就傻叉了。

三、用過哪些框架/算法包?

主流的分布式框架如 Hadoop,Spark,Graphlab,Parameter Server 等擇一或多使用了解

通用算法包,如 mahout,scikit,weka 等;

專用算法包,如 opencv,theano,torch7,ICTCLAS 等。

四、基礎知識

個人感覺高頻話題是 SVM、LR、決策樹(決策森林)和聚類算法,要重點準備;

算法要從以下幾個方面來掌握︰

產生背景,適用場合(數據規模,特征維度,是否有 Online 算法,離散/連續特征處理等角度);

原理推導(最大間隔,軟間隔,對偶);

求解方法(隨機梯度下降、擬牛頓法等優化算法);

優缺點,相關改進;

和其他基本方法的對比;

不能停留在能看懂的程度,還要對知識進行結構化整理,比如撰寫自己的 cheet sheet,我覺得面試是在有限時間內向面試官輸出自己知識的過程,如果僅僅是在面試現場才開始調動知識、組織表達,總還是不如系統的梳理準備;

從面試官的角度多問自己一些問題,通過查找資料總結出全面的解答,比如如何預防或克服過擬合。

五、開放問題

由于問題具有綜合性和開放性,所以不僅僅考察對算法的了解,還需要足夠的實戰經驗作基礎;

先不要考慮完善性或可實現性,調動你的一切知識儲備和經驗儲備去設計,有多少說多少,想到什麼說什麼,方案都是在你和面試官討論的過程里逐步完善的,不過面試官有兩種風格︰引導你思考考慮不周之處 or 指責你沒有考慮到某些情況,遇到後者的話還請注意靈活調整答題策略;

和同學朋友開展討論,可以從上一節列出的問題開始。

準備建議

一、基礎算法復習兩條線

材料閱讀 包括經典教材(比如 PRML,模式分類)、網上系列博客(比如 研究者July的“結構之法,算法之道”),系統梳理基礎算法知識;

面試反饋 面試過程中會讓你發現自己的薄弱環節和知識盲區,把這些問題記錄下來,在下一次面試前搞懂搞透。

二、除算法知識,還應適當掌握一些系統架構方面的知識,可以從網上分享的阿里、京東、新浪微博等的架構介紹 PPT 入手,也可以從 Hadoop、Spark 等的設計實現切入。

三、如果真的是以就業為導向就要在平時注意實戰經驗的積累,在科研項目、實習、比賽(Kaggle,Netflix,天貓大數據競賽等)中摸清算法特性、熟悉相關工具與模塊的使用。

總結

如今,好多機器學習、數據挖掘的知識都逐漸成為常識,要想在競爭中脫穎而出,就必須做到︰

保持學習熱情,關心熱點;

深入學習,會用,也要理解;

在實戰中歷練總結;

積極參加學術界、業界的講座分享,向牛人學習,與他人討論。

最後,希望自己的求職季經驗總結能給大家帶來有益的啟發。

上一篇︰Airbnb公司數據科學家教你如何在求職過程中找到心儀的工作 屢屢踫壁之後,我終于拿下了 Airbnb 數據科學家崗位下一篇︰