1樓：vitu
從面試官的角度來寫寫供參考，一般面試官怎麼來看候選人呢？
首先肯定是仔細閱讀候選人的簡歷，看候選人的背景和在簡歷中做過什麼樣子的專案，所以請謹慎對待任何你寫到簡歷裡的細節
如果是資深的職位, 考察比例：1）專案經驗（60%）
2）Coding能力（20%）
3）基礎理論（20%）
如果是初級的職位，考察比例：1）專案經驗（20%）
2）Coding能力（40%）
3）基礎理論（40%）
基本都是從專案開始出發提問，穿插對1)2)3）的考察專案的話主要關注專案的難點以及你在做的過程中面對的挑戰是什麼，是如何解決問題的，有沒有創新的點，如何團隊協作的，如果你是leader的話你是如何管理這個專案的
Coding和基礎理論其他答主都寫的挺好了，不多說如果是初級的，可以再過一遍這個課程
機器學習最好的課程是什麼？
2樓：FATRI
通常面試官會問一些問題以大致了解應聘者在相關領域的理解力。 如果你經歷過學習--實踐--教學--再實踐這個迴圈， 你會對這個領域有深刻的理解，並能將複雜的理論用簡單的語言描述出來。比如，
描述一下機器學習和統計之間的關係
kernel methods 之間有什麼區別機器學習關鍵在於曲線擬合，對嗎？
解釋一下bias和variance
如何避免overfitting?
神經網路和傅利葉變換之間有什麼關係嗎？
簡單講講evaluation metrics，像 f1 / recall / precision等
除了了解各種理論(SVM, PCA, MDP, CNN, LSTM...)，掌握程式設計技巧和規範，並能熟練應用各種框架(TensorFlow, Caffe, Keras...)之外，分布式對與進行大量資料操作至關重要，
簡單講講MapReduce
隨便選擇一種演算法，解釋一下如何進行並行運算描述一下Hadoop和Spark之間的關係
3樓：自興人工智慧
對企業來說，機器學習工程師需要能針對待解決的問題設計機器學習演算法，測試和調節演算法的引數使其最優。所以，需要掌握常見機器學習演算法的原理、應用物件、演算法引數影響。
4樓：塗圖
作為一家專注於影象識別和人臉識別領域的公司，機器學習是我們很重要的一塊，所以在人才的選擇上也會更加慎重，然而具體面試如何，就不清楚啦，一般都是CTO或者CEO直接面試噠。O(∩_∩)O哈哈哈~
5樓：如今我已劍指天涯
點滴積累。下面是我積累的資源...
機器學習面試準備（持續更新）--- 優秀博文傳送門，收集優秀資源 - 做一枚優秀的程式猿 - 部落格頻道 - CSDN.NET
6樓：
會邏輯回歸就夠了，其他的大致看看，程式設計紮實一點，特徵怎麼抽怎麼處理的詳細了解一下，就夠了，沒那麼多扯犢子東西。
主要靠練，準備的話看看C加加，熟悉一下自己的專案。
7樓：Naiyan Wang
看了一下各位回答，我要去面試妥妥跪了。。。借用一下@Filestorm當年的一句話，原話記不得，大概意思是熟練工一天做完的，我們可能需要三天。但是我們一年做完的，熟練工永遠做不完。
以上各位答主都是在招熟練工吧。。。
8樓：ser jamie
1 決策樹的模型很重要，不會問你ID3這些簡單的，甚至CART都不會，不過會問GBDT，隨機森林。
2 SVM不可能不問。
3 理解得很深才能給面試官講明白。
9樓：
1. 實現乙個分布式的矩陣向量乘的演算法。。。
好吧這個我學過 blabla講了一堆也不知道對不對
2. 最速下降法和共軛梯度法 wolfe條件最速下降法和共軛梯度法的收斂速度如何判斷。。。
兩種方法的概念答上來了 wolfe條件沒準備到收斂速度大概回答了一下我印象中只記得共軛梯度的誤差估計了
3. 約束優化的KKT條件 KKT條件在邊界區域的搜尋行為的物理意義是什麼。。。
KKT條件ok 物理意義沒答上來
4. 實現乙個分布式的topN演算法。。。
topN看過不過分布式嘛。。。 就是追著你問問到你不會為止
5. 為什麼可以使用logistic回歸。。。
這個我不懂。。。 好吧 hr讓我去看看《離散選擇方法》這本書。。。 算是學到了
6. 你了解的機器學習演算法有哪些。。。
這個簡單。。。
7 選乙個你熟悉的演算法詳細推導公式過程。。。
推公式我在行不過hr貌似不感冒
8 乙個實際應用的問題因為沒有背景所以只好放棄
然後就沒有然後了
還是好好看書吧
10樓：王建周
一、一些常見的機器學習演算法
1. 如果有背景，item和cf協同過濾的優缺點，如何從計算公式證明，各種情況的懲罰，hadoop上mr的實現，包括各種情況的懲罰。
2. 線性回歸的梯度下降和牛頓法求解公式的推導3. 貝葉斯分類器的優化和特殊情況的處理
決策樹的的訓練……
二、單機的演算法如資料結構
1.最簡單的top n
2 偶爾會有一些簡單的poj
3.資料結構
三、系統設計，包括演算法和工程系統
1. 如乙個熱門微博排行榜等.
11樓：
常用模型和演算法，至少有那麼一兩個能推導，能說出適用範圍，能自己實現，有過應用。
另外，要有演算法工程師的氣質，那種對任何事物都願意且能夠深入思考的傾向。
據說，如果是應聘大公司初級工程師的話，刷題貌似有那麼一丟丟用處，僅僅是一丟丟。
售前工程師面試需要準備什麼
陳剛祥 作為乙個幹了7年售前，做了5年多售前管理，面試過不少的人，大部分人我覺得都是沒有完整售前意識的。例如我舉一些問題來說 1.問問自己什麼是售前?對售前的認知有多深。你對自己的定位，決定了你在公司的地位。個人覺得售前是銷售經理與開發人員之間的橋梁，是公司產品和技術的第一代表，是公司不可缺少的核心...
如何面試前端工程師？
王力國 1.是否滿足崗位最低要求 可以問對應崗位需要的技術棧，比如 CS 基礎知識，語言層面，框架認知，常見的問題解決方案 這一階段不必炫技，明明招過去寫業務，偏偏問人編譯原理幹嘛 2.能力和經歷是否匹配 可以問 TA 的工程經驗，工程化，元件化，CI，CD.以及以往專案中遇到的難題以及解決方案 這...
機器學習演算法工程師校招和社招面試有哪些區別？
求是汪在路上 對於校招生，更為看重的點在於學習的潛力，良好的做事習慣和總結能力。專案不在多，實習經歷不在於多，但能把某個專案能嘗試從不同角度去做，讓面試官感到探索的毅力。演算法上的考察，主要看對基礎知識的掌握程度，比如理解方差和偏差的概念 機器學習各類指標的計算 特徵工程的理解等。對於社招，當然會根...