导读：“金三银四”之季，都三月底了，金三也已过大半个月了，小伙伴们都找到心仪的工作了？拿到高薪offer了吗？今天，小七和大家分享一篇AI面经，来自我们机器集训营第五期童鞋写的，绝对的励志篇，干货满满！希望对大家有所帮助~
以下是面经原文
大家好，我是集五的学员，经过长时间的学习，我成功从电力行业转行AI，薪酬翻倍。但需要要说明的是，作为电力行业的基层员工，工资本来就低，所以工资翻倍对于各位本就在IT行业内的朋友来说，没有什么参考价值，纯粹贻笑大方，只能我自己偷偷窃喜一番。应July校长的邀请，我腆着脸来班门弄斧，和大家分享一下面经和经历。
单刀直入，先分享我的面经，至于转行的部分和我的经历，我放在最后面，这样有兴趣的朋友，可以参考。
我选的方向是NLP。
通识部分（小编注：绝大部分面试题都可以在七月在线APP中通过搜索相关关键词搜到哦）：
1.LR
介绍一下？公式推导？损失函数及其图像？与线性回归的关系？你在什么地方用过？怎么用的？
2.正则化
解释下正则化？
3.DT
ID3？C4.5？CART？区别，优点、缺点，计算公式？
为什么DT不适合稀释数据？
预剪枝？后减枝？
3.1 Adaboost
介绍一下Adaboost？手推Adaboost
3.2 GBDT
GBDT腾讯面试必问，因为我去的鹅厂现场面试的，被问到了GBDT的相关内容，而旁边一个面试官在电话面试，也是在问GBDT的内容。
介绍下GBDT？GBDT的基模型是什么，是分类树还是回归树？Gradient的体现？为什么要使用多棵树来不断缩小残差？而不是使用一棵拟合得更好的数？GBDT如何构建特征？GBDT如何用于分类，写出公式？
3.3 XGBoost
手推XGBoost必备的。
你在什么地方用到了XGBoost？它和GBDT的区别在哪里？你为什么不用LightGBM？
XGBoost不手推一下，说的内容感觉会很苍白。
3.4 随机森林
解释下随机森林？
你用它做过什么？为什么可以用它？
解释下bagging？
4.SVM
手推SVM，必备的。
SVM的损失函数是什么，为什么选择它作为损失函数？
为什么用对偶？
核函数是什么，有什么作用？你用过哪几种核函数？这里最好写出来。
5.深度学习部分
解释一下交叉熵、相对熵，它们的关系？互信息呢？
Cross Entropy是什么，它和log loss的区别？
Dropout防止过拟合的原理？
CNN如何用于NLP？CNN和RNN在NLP中能到达什么效果，怎么选择用哪一个？
梯度消失？梯度爆炸？
解释下LSTM，画出结构？GRU？为什么用LSTM不用RNN？
6.特征工程
如何处理缺失值？异常值？为什么这么处理？
怎么降维？遇到的数据最大多少维？你怎么做？为什么这么做？
类别型数据的处理？连续性数据的处理？你怎么分桶的？
数据不平衡怎么做？要注意什么？
7.聚类算法
你用过什么聚类算法？解释下原理？
K-means有什么问题？如何解决这些问题？
说一说“中餐馆问题”——抱歉，这个我现在还没搞明白。
8.降维
解释下PCA？LDA？SVD？区别？手推。
解释下协同过滤？
9.模型评估
Accuracy、Precision、Recall、F1-score、ROC、AUC
以上，概念、公式？
数据不平衡用什么评估指标？
P-R曲线和ROC的区别？
NLP方向的问题：
1.TF-IDF
原理、公式？为什么用log？为什么“+1”？缺点？
2.NNLM、Word2vec、Doc2vec、FastText
介绍一下，解释一下模型？
怎么选择使用Word2vec、Doc2vec？
解释下Huffman Tree或Negative Sampling？详细说下Huffman Tree或Negative Sampling的过程？
Word2vec有什么优点、缺点？
Word2vec的模型参数怎么设置的？
余弦相似度？为什么使用余弦相似度？
3.Seq2seq、attention机制、self-attention机制、Transformer、bert
介绍下模型？
attention机制、self-attention机制的计算过程？为什么使用attention？它们的优点？
bert的结构和应用？bert的为什么这么厉害？
CNN→RNN→LSTM/GRU→seq2seq→seq2seq-Attention→Transformer-self Attention→bert
这是一条线，我在说RNN的部分时，就把这条线顺着说完。
NNLM→Word2vec→Doc2vec→FastText→ELMO→GPT→Bert
这是另一条线，被问到Word2vec时我先退回去说NNLM，然后在Word2vec，要是面试官不反感，又继续沿着线走。
其他：
1.根据简历上写的项目来进行具体的提问？
数据量？数据来源？为什么想到真么做？这么做优点、缺点？
Python迭代器和生成器？
2.算法题
不说了，我面了那么多，一道题都没答上来。校长说的四大金刚之一：leetcode（小编注：校长的口头禅四大金刚指的就是：课程 题库 OJ 竞赛），因为自身原因，我战略性放弃了，之后一定要补起来。
去某手机厂面试的时候，上来直接来3道题，把我干懵了；
对于这方面能力和我不相伯仲的朋友，我建议电话面试优先！一般电话面试不会去问算法题。
3.非技术面
为什么转行？
这是转行的朋友肯定会被问到的问题，一定想好说辞，好好准备。
未来规划？
薪资期望？
你遇到的最困难的事？你如何解决的？
评价下你自己？
你有什么问题要问我们？
我的笔记全在印象笔记上，自己又根据七月在线的题库对问题和答案进行了整理后，制作了Anki卡片，用来记忆各种知识点，如果有朋友需要，请看本文的置顶评论。（另外关于Anki和它的使用，自行百度即可，记忆知识点的神器。）
转行的经历
学历本科，专业是动力，完全与IT无关，毕业后一直在电力系统做设计工作。后来工资实在太低了，活不下去了，得知我单位的一个好兄弟，转行进了华为，年薪50W，目瞪口呆之下询问了一波他的经历，知道了七月在线和机器学习。再三权衡之后，也下定决心准备转行，从事AI相关的工作。当然，他是清华核物理硕士，数学本来就很骚，大学期间学过Java，我和他没有可比性。
我没什么编程基础，大学里学的C++早被门外的旺财吃了；因为是工科，对高数、概率论、线代还有点记忆；机器学习、深度学习相关算法，在此之前从没接触过。
报名了集训营第五期，是我的开端。不会就学呗，不懂就问、就查呗，CSDN、Github、stackoverflow、群里提问，线下课有问题就问，没什么方法。看一遍不懂就看两遍，不行就三遍以上，搞懂，能推导。没什么捷径，真的。我是用了七八个月的时间，才达到了目前这个嘴炮菜鸡水平，未来的路还很长，要学习和弥补的东西还很多，不过转行了，做中学吧。我另一个兄弟，也是我的同事，集六的学员，在我之前拿到的offer。
推导公式，很重要，非常重要，就算面试官不让你写，你也抢过纸和笔，写出来，不然我感觉真的太苍白无力了。而且现在水涨船高，SVM和XGBoost的推导已经是常规操作了，不是特殊技能了。
Tensorflow必须掌握，别说自己会keras了，丢人，真的，不开玩笑，至少我遇到公司都是这样。简历上最好把深度学习的知识具体的体现出来，比如你在某个项目上搭的模型是什么样子，这样更容易获得面试机会。
最好是会使用Hadoop和Spark，这也慢慢成了必备技能了，我目前还不会，虽然集训营讲了，得赶紧在入职前学习一波；最好会SQL，这个我就完全不知道了，后续又学习。
我觉得最重要的课程是七月在线的机器学习第八期或第九期；西瓜书、统计学习方法、花书，要是急你不看也行，但是我上面提到的问题，你必须都知道。
关于找工作，我是海投了一波，广撒网，双手合十，一切看天。真的得看运气，说不好的。拿到Offer之前，少吹牛。我去年年终奖比别人少了一倍，怒火中烧，年会吃饭直接避开领导，当面回绝敬酒，只和身边二三关系要好的同事酒到杯倾，一饮而尽，并笃定说年后自己要走。但是几次面试折戟之后，心里开始慌了，想到前路茫茫和自己之前恬不知耻的吹牛夸大，实在是羞愧难当。但是家境又确实不允许我辞掉工作去完全学习和等待面试，得断粮饿死，所以又准备腆着脸继续忍辱负重，希望守得云开见月明。没必要的牛皮给自己又添上了沉重的心里压力，真的没必要。“闷声发大财”，自己实力过硬是关键。
我现在还是孤陋寡闻的小菜鸡，要学习的东西还非常多，不敢说分享成功经验，只能说分享下自己的经历。现在成功转行了，我还是很开心的。当然，我能够成功转行，要感谢很多人：助教Yang，助教马总，寒老师、July校长等，集五的波哥、成哥、飞哥、Miss Jiang、锋哥、长林哥等等学员，还有甚者线下的Paul、安哥、瑞哥等，集四的九州、思佳，集六茂茂。你们对无知的我的给予的帮助，给了我非常大的助力，一直铭记于心，十分感谢。
...........................分割线......................................................
【语音识别】
七月在线联合好未来AI Lab共同开设【语音识别实战】，经过3大阶段的学习，使学员深入学习语音识别相关技术，并系统把握最前沿的语音技术方向。精心准备了6大NLP项目。支持砍价报名。课程链接：https://www.julyedu.com/course/getDetail/141/
网友评论