从16年九月份开始,参加了一些公司的算法工程师/机器学习工程师岗位的校园招聘,做一些总结,希望可以给大家准备这个职位提供些信息。
大多是技术笔试然后二到三轮的技术面试
技术笔试都是考察基本的计算机知识,概率统计相关题目,智力题,linux常用命令和编程/算法能力等
面试问题
数据结构算法知识,手写代码,例如:
特征工程
PCA的原理
数据结构算法知识,手写代码,例如:
编程能力,考察熟悉的编程语言的相关知识,编程语言掌握一门即可,例如:
编程能力,考察熟悉的编程语言的相关知识,编程语言掌握一门即可,例如:
python:安装Python的命令是什么,用python读取一个文件,一行一行的输出(不能用库函数)
python:安装Python的命令是什么,用python读取一个文件,一行一行的输出(不能用库函数),python常用库
大数据开发能力:Hadoop/Hive/Map Reduce开发,例如Map Reduce 写 word count
深度学习知识:
Udacity的机器学习项目P0和P1,如果写,请想好如下问题:
这些面试题目仅供大家参考,各个公司问每个人的也不一样,会根据公司的需求,个人简历上的项目问
各个公司的侧重点不太一样,有的公司侧重数据分析/数据挖掘(京东,笔试题好多spass),有的公司偏向推荐算法(协同过滤,CTR点击率预估)(美团,汽车之家也很注重思维能力),用户画像(百度的百家号),有的公司侧重大数据开发(要求里写了Hadoop/Hive)(中国移动),有的公司更侧重算法层面,建模能力(滴滴)
如果是面试自然语言处理(NLP),图像识别,语音识别之类的公司,基本是要求深度学习知识的。创业公司的话,要求关注最新会议,跟paper,关注领域内最新进展
推荐编程刷题网站:牛客网,Leecode
推荐书目《剑指offer》(c++),《程序员代码面试指南》(java编写),
《机器学习(周志华著)》(西瓜书),《统计学习方法(李航著)》
掌握基本知识后要确定好自己的目标,机器学习是一个大的方向,还有很多细分,究竟是要做文本,推荐,图像还是语音识别,差别都很大,人不可能面面俱到,掌握好一个领域的内容就很厉害啦~~
个人的一点理解,具体还是看岗位要求怎么写的
数据分析偏向统计一些,要会SQL/Spass/SAS等数据分析软件等,更适合数学和统计专业
* 大数据开发能力:Hadoop/Hive/Map Reduce开发,例如Map Reduce 写 word count
深度学习知识:
* 深度学习框架
* CNN:什么是卷积,为什么要padding(根据简历的具体项目问
这些面试题目仅供大家参考,各个公司问每个人的也不一样,会根据公司的需求,个人简历上的项目问
各个公司的侧重点不太一样,有的公司侧重数据分析/数据挖掘(京东,笔试题好多spass),有的公司偏向推荐算法(协同过滤,CTR点击率预估)(美团,汽车之家也很注重思维能力),用户画像(百度的百家号),有的公司侧重大数据开发(要求里写了Hadoop/Hive)(中国移动),有的公司更侧重算法层面,建模能力(滴滴)
如果是面试自然语言处理(NLP),图像识别,语音识别之类的公司,基本是要求深度学习知识的。创业公司的话,要求关注最新会议,跟paper,关注领域内最新进展
推荐编程刷题网站:牛客网,Leecode
推荐书目《剑指offer》(c++),《程序员代码面试指南》(java编写),
《机器学习(周志华著)》(西瓜书),《统计学习方法(李航著)》
掌握基本知识后要确定好自己的目标,机器学习是一个大的方向,还有很多细分,究竟是要做文本,推荐,图像还是语音识别,差别都很大,人不可能面面俱到,掌握好一个领域的内容就很厉害啦~~
个人的一点理解,具体还是看岗位要求怎么写的
数据分析偏向统计一些,要会SQL/Spass/SAS等数据分析软件等,更适合数学和统计专业
机器学习要求编程能力较强,即算法实现能力,更适合数学和计算机专业
机器学习是一个相对开发来说较新的职位,一些公司也开始增加这些职位,需求还是有的,要求也较高
机器学习要求编程能力较强,即算法实现能力,更适合数学和计算机专业
以上是一些笔试面试总结,仅供大家参考,欢迎大家补充交流和批评指正
2016年11月