最近，遭到了社会暴行，几家大制造商经历了好几次技术面试。 面试形式有电话、音视频、现场面，内容主要集中在过去的工作经验和项目经验、算法知识和理论、算法编程和工程能力、场景案例和分析，所幸面试结果比较满意。 本文只记录一些算法知识和理论的面试问题，依靠回忆，有遗漏。 总结如下。
某程
你用过什么算法？ 应用最熟悉的是那个吗？ 特色工程怎么办？ 我来介绍一下射频吧？ LR比木模型对数据有什么要求？ 为什么有些算法需要消除共线性？ 距离算法知道什么？ 余弦相似性与k均值有什么不同？ k均值的k是怎么选出来的？ 聚类的效果如何评价？ 为什么距离算法需要对数据进行归一化？ 需要树的模型吗？ 为什么不需要？ 如何选择树特征？ 决策树如何处理缺少的值？ 介绍最常用的综合算法吗？ RF可以评价特征重要性的原理是？某东
LR的损失函数是什么？ 交叉熵损失函数的公式是什么？ 不平衡数据怎么处理？ 如何消除过拟合？ L1和L2范式分别需要哪些数据分布？ 介绍Adaboost和gbdt、Xgboost的区别吗？ Adaboost是对错误分类的样本赋予更小的权重，还是赋予更大的权重？ 如何更新权重？ 模型的评价方法是什么？ 在业务上如何评价？ 介绍ROC曲线吗？ 与P-R曲线的区别是？ 为什么P-R曲线不能很好地评价不平衡数据？ 要介绍A/Btest吗？ 在业务上是怎么实施的？ 介绍一个非常似然的报价吗？ 关于后验概率你知道些什么？ 你知道深度学习吗？ 你知道最前线的一些算法是什么？ CNN和RNN相比和DNN有什么不同？ 什么样的神经网络结构会引起权重共享？ 为什么坡度会消失？ 你使用过什么样的深度学习框架？ 你平时看什么网站？ 尖端知识的主要获取方法是什么？某里
数据分析和数据挖掘的区别是什么？ 综合算法是什么？ 分别介绍吗？ 哪个型号最好？ 什么是贝叶斯定理？ 朴素的贝叶斯朴素在哪里？ 哪个算法容易过拟合？ 你是怎么处理拟合的？ L1、L2正则之间有什么区别？ 决策树算法对数据要求什么？ 决策树的整个构建过程？ 决策树有哪些特征选择方法？ 区别是什么？ 决策树如何进行剪枝？ 那个方法可以吗？ 综合学习为什么能提高精度？ 除此之外还有什么优点？ 要完整介绍Adaboost吗？ 你关注模型的精度还是模型的性能？ 怎么平衡呢？ 你知道什么是深度学习？ 要详细介绍吗？ 神经网络算法如何防止过拟合？ 详细介绍dropout吗？ 排序算法有什么？ 时间复杂性的区别？ 要设计黑匣子文本分析器吗？ 说到想法，请参阅某滴
特色工程进行了什么样的处理？ 样品太少了怎么处理？ 你用什么方法尝试了丰富正样本？ 如何选择1:10的数据和1:1000的数据？ 怎么处理？ 用户裂变时，如何应对反复的裂变？ 模型的效果如何评价？ 在实际业务中如何评价？ 如何降低过拟合？ AUC除了用ROC曲线计算外，还有其他计算方法吗？ 你是怎么计算的？ 决策树有几种？ 介绍几个特征的选择方法吗？ 有什么区别？ RF、Adaboost、Xgboost分别介绍吗？ 区别是什么？ 哪个算法比较好？ bagging和boosting偏向于哪个指标？ 是偏差还是方差？ RF比Adaboost哪个决策树深？ 为什么？ XG boost和GBDT有什么区别？ 聚类算法用过什么？ 我来介绍一下kmeans吧？ 你知道其他的聚类算法吗？ 推荐的算法是什么？ 要介绍协同过滤吗？ f(x ) )1) xa )2) x ) x )=(FRAC{1}{2} ) xa ) )|x ) x )=21 ) xa )2) x3 )求极值点和极值？某美
如何进行数据处理？ 如何进行特征降维？ 综合学习算法使用过什么？ 综合学习的原理是什么？ 我来介绍一下射频吧？ 它与其他集成学习算法的区别是什么？ 不平衡数据怎么处理？ 模型如何评价？ 介绍ROC曲线吗？ 为什么需要AUC？ ROU曲线和P-R曲线有什么区别？ 聚类算法如何确定聚类群体的数量？ 你使用过深度学习算法吗？ 介绍一下常用的深度学习算法吗？ 可视化？ 你使用过哪个模块？ 请用手按LR？ 你知道时间序列模型吗？ 缺失的数据如何根据时间顺序进行补充？某来
spark与hadoop有什么不同？ spark的优点和不足？ 有哪些集群资源管理方式？ 使用过哪个？ spark的standalone和yarn模式有什么区别？ 模型的评价方法是什么？ 在实际工作中如何评价？ 你知道样例学习吗？ 介绍不平衡数据的处理方法吗？ 介绍综合学习算法吗？ XG boost和gbdt有什么区别？ 优化方法是什么？ SVM分别使用过吗？ 损失函数是什么？ 是凸的吗？ 解释对偶的概念吗？ 为什么需要对偶？ LR损失函数是什么？ 是凸的吗？ 聚类算法如何确定聚类数量？ 你怎么评价？ 你知道密度聚类吗？ 你知道关于正规化的事情吗？ L1范数为什么输出稀疏矩阵？ L2为什么不能？ 踏实的小熊猫分布是？ 什么是壮观的糖豆分布？ 两者有什么区别？ 精准的营销场景，偏向于人推吗？ 还是在找别人？ 欢迎补充。
最后，
项目的再生很重要，知识的再生也很重要。
Stay Hungry，Stay Foolish。