机器学习与算法工程师方向面试常问题目类型

  本文档整理的是本人从实习面试到校招面试，大大小小互联网公司问过的关于算法/机器学习/数据挖掘工程师岗位的面试题目。赠人玫瑰，手有余香。希望自己整理的这些资料能够帮助到志向于加入这个方向的小伙伴，也希望小伙伴们在夯实自己专业基础知识的基础上，加强交流沟通能力，多投简历，丰富自己的面试经验，拿到自己意向的offer。

实习面试常问的题目

1、已知二叉树的前、中序遍历，输出后序遍历
2、判断单链表有环并输出环的位置
3、快速排序
4、列表中是否有这个数——二分查找
5、递归完成C(N取2)
6、逆序输出链表
7、拉格朗日对偶性
8、k-means原理及复杂度
9、堆排序原理和时间复杂度
10、TOP k 问题
11、逻辑回归和SVM区别？不同？
12、过拟合问题怎么解决？
13、PCA
14、特征工程之特征选择、组合、提取、筛选

校招面试常问题目

创新工场
1、牛顿法
2、LIBFFM和FM的区别
3、如何判断两个链表是否有交叉？
4、Linux 定时任务 执行sh文件

瓜子
1、逻辑回归推导
2、批量梯度下降与随机梯度下降
3、滑动窗口求方差
4、扔硬币，先扔先赢的概率
5、kmeans 如果只告诉你任意两点的距离之差，没有具体的坐标，怎么使用kmeans？
6、梯度下降法的复杂度多少？如果数量很大，应该怎么办？（随机梯度下降法）
7、字符串转为数字，第一个小数点保留（@#￥￥.89.321）→0.89321

头条
1、k个有序list合并成一个list
2、求一个无序list的第K大个数

京东
1、似然估计，样本服从正态分布，写出似然估计的期望和方差
2、逻辑回归推导

网易乐得
1、项目介绍
2、项目中比较有趣的事情、遇到的困难
3、特别喜欢的论文或者书

BIGO
1、判别一个list中是否有两个数的和等于目标值
2、FM和LIBFFM考察
3、AUC
4、极大似然估计和贝叶斯估计
5、你觉得自豪的？

通联数据
1、Mapreduce简单的过程
2、逻辑回归的sigmoid函数
3、LR的优点和缺点
4、怎么正则？L1正则和L2正则具体怎么实现？
5、Precision和Recall
举例说明，有些情景宁愿判错，也不能错过

CVTE
1、支持向量机和逻辑回归的区别
2、正则项 L1和L2

最右
1、二叉树的层次遍历

世纪佳缘
1、逻辑回归推导
2、FFM与FM的区别
3、冒泡、快排、堆排序的区别
4、简单介绍下MAPREDUCE
5、a.txt
user_id page_id
把相同user_id下的page_id进行频次统计
如
xiao baidu.com 2
xiao bupt.cn 3
li baidu.com 1
li bupt.cn 3
6、AUC了解吗？
7、简单说一下腾讯算法大赛

小米-广告算法
1、给定n和m。如：n=10时,lists=[1，2，3，4，5，6，7，8，9，10]，m=5，将所有lists中的子序列等于m=5的序列打印出来。提示：递归，C(N取1)，C(N取2)，。。。。，C(N取n)
2、n个数组成一个环，依次把index为m的数去掉，返回最后下的一个数
3、判断单链表是否有环
4、LR模型推导
5、两个字符串的最长公共子序列，递推公式
6、快排，非递归实现
7、过拟合及解决办法
8、FFM，目标函数
9、微信群发红包

美团
1、kmeans 实现
2、推导LR
3、算法比赛，你觉得和别人的差距在哪里。

京东广告
1、二叉树的照相，只有最右边的数，遍历二叉树
2、sci论文你做了一件什么事情

阿里健康
1、怎么选用随机森林和GBDT？
2、算法大赛项介绍
3、user item
找出共同item最多的user对
4、支持向量机

滴滴
1、支持向量机
2、二次规划问题+绝对值
3、二叉树遍历求和

阿里
1、数据预处理
2、特征提取
3、lr和svm的不同 拉格朗日对偶性
4、C++内存开辟和释放
5、k-means 原理和复杂度
6、PCA原理，其他的呢？
7、堆排序原理 时间复杂度
8、递归 十选三并输出
9、项目遇到的困难

腾讯
1、简单介绍
2、data 特征选择 筛选 特征提取 算法
3、lr和svm有什么不同，区别在哪？
4、特征融合
5、样本的样本浓度怎么样
6、怎么处理过拟合问题的
7、除了PCA还了解其他的吗？
8、C/C++，Python，和JAVA内存管理有什么不同

百度
1、快速排序
2、堆排序
3、两个txt文件，按要求合并成一个文件
4、情景：0，1预测问题，如果是你来做，你能想到哪些特征？
5、二分查找

VIPkid
1、逻辑回归
2、支持向量
3、项目介绍

掌众金服
1、项目介绍

车信
1、排序问题

  扎实的基础和丰富的面试经验是取得offer的关键，两者都需要不断加强，否则即使你靠面试躺进了互联网，如果自身技术不够硬，你也很难胜任公司给你布置的任务。以上是我的个人经验，更多技术和项目分享，大家有兴趣可以关注本人的公众号：gbxiao992 。