AI算法工程师面试题
这份面试实录出自 算法channel 关注粉丝： 地球村长，感谢提供的材料，经过小编编辑后与大家一起分享。
技术1面
1 Java水平怎么样？
2 问Python给自己打多少分？Python多线程怎么实现？
3 线程和进程的区别？
4 不同进程之间数据能共享吗？
5 Numpy和pandas做了什么？他们有什么优缺点？
6 五行五列二维数组，手写代码输出每行每列的最大值、最小值、平均值、方差
7 问Redis数据库知道多少？
Redis数据类型有几种？
MySQL和Redis有什么区别？
8 怎么设置缓存实现时间(怎么清缓存？)
9 Hadoop，spark用过吗?
10 举了一个高维数据，怎么找出异常值？
技术2面
二面面试官来了。是个算法大佬。是个专门做算法的。直接手出题，他说时间不多，就让我说思路。
1.先是一个m*n矩阵图走迷宫共有多少条路径？
需要用到动态规划，还有排列组合。
2. 2-sum问题。这个答出来了，中间有用了一种方法，自己想的，虽然没有降低时间复杂度，但挺新颖的。
3.问了最熟悉哪个机器学习算法。说逻辑回归，谈了下逻辑回归原理。问了为什么总Sigmod函数，而不是其他双曲函数或Rule函数。
4.然后他说对Xgboost这个感兴趣，Xgboost比GBDT做了什么优化，他说了一点，问还有一点是在数据集遍历上的优化？
5.问了随机森林，随机森林与决策树相比，有哪些更多的优化？
6.问了信息熵，和信息增益，和信息增益率，现实中代表什么？
信息增益率比信息增益解决了哪些问题？
总结
感受到大公司氛围就是挺好的。不管结果如何。都有所收获，至少知道了自己的优点和不足。
1. 缺乏常规算法训练
2. 没有很深究到机器学习原理的细节和底层具体推导。
想进大厂，必须得加强算法训练(多刷题)，机器学习算法掌握来龙去脉，熟知重要原理和应用及优化。
以上面试问题，大家有自己的答案了吗？对自己拿不准的问题，欢迎大家留言，一起讨论。
相关链接
回归算法
回归分析简介
最小二乘法：背后的假设和原理（前篇）
最小二乘法原理（后）：梯度下降求权重参数
线性回归：算法兑现为python代码
线性回归：OLS 无偏估计及相关性python分析
线性回归：谈谈多重共线性问题及相关算法
机器学习：说说L1和L2正则化
决策树回归：不调包源码实现
分类算法
逻辑回归| 原理解析及代码实现
逻辑回归| 算法兑现为python代码
决策树
对决策树剪枝
sklearn分类和回归
提炼出分类器算法
贝叶斯分类
朴素贝叶斯分类器：例子解释
朴素贝叶斯分类：拉普拉斯修正
单词拼写纠正器python实现
半朴素贝叶斯分类器
支持向量机参数求解
支持向量机之软间隔和核函数
聚类算法
期望最大算法：实例解析
高斯混合模型：聚类原理分析
高斯混合模型：聚类求解
高斯混合模型：求解完整代码
高斯混合模型：不调包多维数据聚类分析
K-Means算法
聚类算法之DBSCAN
集成算法
Adaboost算法
提升树算法思想
XGBoost思想
XGBoost模型构造
XGBoost 安装及实战应用
推荐算法
关联规则Apriori算法
PageRank算法原理
海量数据求top K 之最小堆实现
快速排序思想求topk
