1. 笔试题
- 信心满满的去面算法工程师，竟然凉了.
- 腾讯/京东/网易校招笔试刷人超70%！这份笔试自救指南请收好
- 「干货」AI面试必备/深度学习100问附答案解析
- 「干货」AI面试必备/深度学习100问1-50题答案解析
- 「干货」AI面试必备/深度学习100问51-100题答案解析
- 10个Python常见面试题
- 我用这份简历，收到了257家公司的面试邀请
- 【算法面经】重读：机器学习面试算法梳理
- 60道Python面试题&答案精选！年后找工作必看
-
小鱼：BAT机器学习面试1000题
https://www.julyedu.com/question/index/type/1 - 机器学习应用实践难？看完这十大诀窍瞬间懂了！
- 干货合集 | 机器学习类面试问题与思路总结
- 干货 | 手把手教你数据不足时如何做深度学习NLP
- 我是怎样招聘程序员的？
- 每天一道面试题：请简要说说一个完整机器学习项目的流程
- 100道机器学习面试题（上）
细节问题
- 逻辑斯特回归为什么要对特征进行离散化
- LR和SVM的联系与区别
- 梯度下降法
- 牛顿法和梯度下降法有什么不同
- 熵、联合熵、条件熵、相对熵、互信息的定义
- 说说你知道的核函数
- 随机梯度下降法的问题和挑战
- 共轭梯度法
- 什么是最大熵
- LR与线性回归的区别与联系
- 请问（决策树、Random Forest、Booting、Adaboot）GBDT和XGBoost的区别是什么？
- 为什么xgboost要用泰勒展开，优势在哪里？
- L1和L2的区别
- 解决bias和Variance问题的方法是什么？
- 如何理解模型的过拟合与欠拟合，以及如何解决？
- 如何理解模型的过拟合与欠拟合，以及如何解决？
- 防止过拟合的方法
- 哪些机器学习算法不需要做归一化处理？
- 如何解决梯度消失和梯度膨胀
- 如何解决RNN梯度爆炸和弥散的问题？
- 逻辑斯特回归为什么要对特征进行离散化？
- 各种排序算法的使用范围
- 在k-means或kNN，我们常用欧氏距离来计算最近的邻居之间的距离，有时也用曼哈顿距离，请对比下这两种距离的差别
- CNN的卷积核是单层的还是多层的？
- 请简单解释下目标检测中的这个IOU评价函数 （intersection-over-union）
- 搜索和推荐中的精度和召回(recall)分别是什么意思？
- 了解情感分析中的NLP技术么？
- 二分查找的实现
- 请说说Kmeans的优化？
- hash 冲突及解决办法
- KNN和Kmeans聚类（kmeans clustering）有什么不同？
- 谈谈判别式模型和生成式模型？
- 如何进行特征选择？
- 请用贝叶斯几率说明Dropout的原理
- 什么是偏差与方差？
网友评论