机器学习及大数据相关面试的职责和面试问题汇总_光环大数据培训.pdfVIP

光环大数据--大数据培训知名品牌 机器学习及大数据相关面试的职责和面试问题汇总_光环大数据培训 目录 ·机器学习、大数据相关岗位的职责 ·面试问题 ·答题思路 ·准备建议 ·总结 各个企业对这类岗位的命名可能有所不同，比如推荐算法/数据挖掘/ 自然语 言处理/机器学习算法工程师，或简称算法工程师，还有的称为搜索/推荐算法工 程师，甚至有的并入后台工程师的范畴，视岗位具体要求而定。 机器学习、大数据相关岗位的职责 根据业务的不同，岗位职责大概分为： 1、平台搭建类 ·数据计算平台搭建，基础算法实现，当然，要求支持大样本量、高维度数 据，所以可能还需要底层开发、并行计算、分布式计算等方面的知识； 2、算法研究类 ·文本挖掘，如领域知识图谱构建、垃圾短信过滤等； ·推荐，广告推荐、APP 推荐、题目推荐、新闻推荐等； ·排序，搜索结果排序、广告排序等； ·其它，·广告投放效果分析；·互联网信用评价；·图像识别、理解。 3、数据挖掘类 ·商业智能，如统计报表； ·用户体验分析，预测流失用户。 以下首先介绍面试中遇到的一些真实问题，然后谈一谈答题和面试准备上的 建议。 面试问题 光环大数据 光环大数据--大数据培训知名品牌 1、你在研究/项目/实习经历中主要用过哪些机器学习/数据挖掘的算法？ 2、你熟悉的机器学习/数据挖掘算法主要有哪些？ 3、你用过哪些机器学习/数据挖掘工具或框架？ 4、基础知识·无监督和有监督算法的区别？·SVM 的推导，特性？多分类 怎么处理？·LR 的推导，特性？·决策树的特性？·SVM、LR、决策树的对比？·GBDT 和决策森林的区别？·如何判断函数凸或非凸？·解释对偶的概念。·如何进行 特征选择？·为什么会产生过拟合，有哪些方法可以预防或克服过拟合？·介绍 卷积神经网络，和DBN 有什么区别？·采用EM 算法求解的模型有哪些，为什么 不用牛顿法或梯度下降法？·用EM 算法推导解释Kmeans。·用过哪些聚类算法， 解释密度聚类算法。·聚类算法中的距离度量有哪些？·如何进行实体识别？·解 释贝叶斯公式和朴素贝叶斯分类。·写一个Hadoop 版本的wordcount ·…… 5、开放问题 ·给你公司内部群组的聊天记录，怎样区分出主管和员工？ ·如何评估网站内容的真实性（针对代刷、作弊类）？ ·深度学习在推荐系统上可能有怎样的发挥？ ·路段平均车速反映了路况，在道路上布控采集车辆速度，如何对路况做出 合理估计？采集数据中的异常值如何处理？ ·如何根据语料计算两个词词义的相似度？ ·在百度贴吧里发布APP 广告，问推荐策略？ ·如何判断自己实现的LR、Kmeans 算法是否正确？ ·100 亿数字，怎么统计前100 大的？ ·…… 答题思路 1、用过什么算法？ ·最好是在项目/实习的大数据场景里用过，比如推荐里用过CF、LR，分类 里用过SVM、GBDT； ·一般用法是什么，是不是自己实现的，有什么比较知名的实现，使用过程 中踩过哪些坑； 光环大数据 光环大数据--大数据培训知名品牌 ·优缺点分析。 2、熟悉的算法有哪些？ ·基础算法要多说，其它算法要挑熟悉程度高的说，不光列举算法，也适当 说说应用场合； ·面试官和你的研究方向可能不匹配，不过在基础算法上你们还是有很多共 同语言的，你说得太高大上可能效果并不好，一方面面试官还是要问基础的，另 一方面一旦面试官突发奇想让你给他讲解高大上的内容，而你只是泛泛的了解， 那就傻叉了。 3、用过哪些框架/算法包？ ·主流的分布式