机器学习面试问题

链接： https://www.nowcoder.com/discuss/48981?type=0&order=4&pos=10&page=2

阿里巴巴 - 2017.3.23 - 实习生 - idst - 非内推

1.linux 修改环境变量

2.sql语句

3.gbdt xgboost区别

4.kaggle项目 30min

5.融合方法，改进

阿里巴巴 - 2017.3.28 - 实习生 - 淘宝搜索 - 内推一面

1.项目介绍(30分钟)--项目过程，融合方法，训练方法，augmentation等

2.batch normalization

3.有没有了解其他机器学习算法

4.介绍一个熟悉的算法(决策树)

5.在线写线性回归

6.对深度学习框架有没有了解，还是只是停留在使用的层面

7.有没有什么想问的

阿里巴巴 - 2017.3.31 - 实习生 - 淘宝搜索 - 内推二面

1.项目介绍

2.kd-tree

3.开放问题 100w商品 50个推荐窗口，怎么安排推荐

腾讯 - 2017.4.10 - 实习生非内推 - 优图实验室 - 一面

1.项目介绍

2.计算卷积核参数数量

3.如何处理深度学习overfitting

4.如何在测试中，加速1000倍(不改变网络结构)

5.pooling层的作用，以及为什么会选择maxpooling

6.有没有从头开始训练一个模型 vgg16 resnet googlenet收敛问题

今日头条 - 2017.4.11 - 日常实习生非内推 - 一面

1.项目介绍

2.如何训练深度学习网络

3.如何处理样本分布不均衡的问题

4.手写代码-反转链表

5.手写代码-前序遍历

今日头条 - 2017.4.11 - 日常实习生非内推 - 二面

1.项目介绍（为什么不尝试xgboost以外的模型）

2.xgboost gbdt区别

3.深度学习训练方法

4.改进方法

5.caffe框架结构

6.手写代码-旋转数组找出最大数字

今日头条 - 2017.4.13 - 日常实习生非内推 - 三面

1.前两面反应较好，聊天

2.对前两个面试官有什么看法

3.有什么问题

------------------------------------------------------校招开始------------------------------------------------------------------------

#腾讯挺坑的，一面过了，二面面试官打电话确认了面试时间，收到了确认邮件，然后鸽了

腾讯游戏 - 校招内推 - 一面

1.实习介绍

2.介绍svm，为什么要求对偶

3.介绍一个熟悉的算法

4.全局变量 局部变量存储位置不同，静态变量初始化，生存周期

5.python多线程的实现，死锁

6.优化算法 sgd 牛顿法。为什么牛顿法快？及其缺点？

网易 - 内推校招 - 人工智能事业部 - 一面

1.实习介绍

2.kaggle 深度学习项目介绍

3.几个框架对比

4.模型融合策略和方法

网易 - 内推校招 - 人工智能事业部 - 二面

1.项目介绍，讲你最好的项目

2.实习介绍

3.svm手推

4.kaggle融合的策略和方法

#前3面反映较好，加面

网易 - 内推校招 - 人工智能事业部 - special 加面

1.最好的项目介绍

2.batch normalization算法

3.实习经历

4.cnn现在发展以及不足

5.说对游戏ai感兴趣 - alphago的技术点，强化学习等

华为 - 内推校招 - 1,2,3面

#略

#Nvidia Deeplearning software 面试官很客气，提前定好这次面试时长40分钟

Nvidia - 内推校招 - 一面

1.项目介绍 30min

2.编程题2道

3.过拟合欠拟合 以及其背后本质，偏差方差角度如何理解

#Sensetime 商汤科技 每面30min

#号称最难进公司之一？

Sensetime - 2017.9.11 - 校招内推 - 计算机视觉&深度学习 - 一面

1.kaggle比赛 问的比较详细 包括 data augmentation， KNN的trick， 模型融合等

2.实习经历

3.有什么问题

Sensetime - 2017.9.11 - 校招内推 - 计算机视觉&深度学习 - 二面

1.kaggle比赛

2.头条实习

3.python set-list转化

4.caffe框架结构，learning rate设置

5.第K大的数

6.sgd adam区别

7.resnet vgg区别

8.python 变量拷贝规则

9.有什么要问的

Sensetime - 2017.9.11 - 内推校招 计算机视觉&深度学习 - 三面

1.头条实习 比较详细以及为什么头条推荐这么厉害 #面试官是在做dl+推荐，所以比较关心头条所做的东西

2.熟悉什么框架

3.喜欢什么方向，cv还是推荐等，以及个人认为他们的前景

4.学术型硕士还是工程型硕士？

5.有什么问题

阿里巴巴 - 2017.9.13 - 校招 - 初面

1.头条实习 ----- 特征维度，为什么时延很低，在头条做了哪些，头条的算法

2.深度学习和传统机器学习

3.深度学习最近的发展和技术突破点

4.GBDT是什么

5.为什么现在推荐可以使用GBDT的内部结点当做LR的特征

6.RF GBDT区别

7.GBDT xgboost区别

8.手写MergeSort

9.熟悉什么语言

10.用什么框架

11.深度学习正则化

12.GBDT分布式如何实现 #没有了解过，然后简单说了自己的想法，面试官给我讲了许多这方面

阿里巴巴 - 2017.9.15 - 校招 - 终面

1.头条实习 ----- 模型介绍

2.GBDT xgboost区别

3.kaggle比赛

4.一个整数数组中，寻找3个数乘积最大

5.GBDT与bagging等方法区别

6.linux常用指令 sort grep等

阿里巴巴 - 2017.9.15 - 校招 - 加面

#压力面？

1.头条实习ffm替换skip gram模型，为什么？效果如何？为什么会有提速效果？线上如何部署等

2.头条所做？训练两个大模型，效果如何？

3.kaggle比赛

4.vgg16 resnet googlenet区别

5.手写代码-旋转数组找出最小数字

作者：Prophet3
链接： https://www.nowcoder.com/discuss/51437?type=0&order=4&pos=17&page=1
来源：牛客网

.介绍项目。

2.讲下项目里用到的 决策树。（讲了下决策树的结构，常见的决策树模型）

3.讲下CART的分裂结点选择依据。（回归用最小平方和误差，分类用基尼指数）

4.决策树怎么避免过拟合。（预剪枝和后剪枝，然后 讲了下两种剪枝的过程）

5..介绍下项目里用到的 LSTM模型。（画了下LSTM cell的结构，然后讲了下每层的 激活函数）

6.提出LSTM是为了解决什么问题？（梯度消失和梯度爆炸）

7.为什么LSTM可以解决梯度问题？（这个问题以前没有想过，现场胡编了一个，说gate分担了 一部分梯度的衰减或者爆炸。后来网上查了下发现，如果很久以前的信息很重要，forget gate的值会接近于1，而hidden state的激活函数是identity function，这样梯度就不会随时间改变）

8..手写代码。

有序数组旋转，求最小元素位置。（二分，mid和末尾元素对比）

青蛙跳n级台阶。给定一个数组，里面包含一步可以跳的台阶数，求跳到n级台阶的最少步数。要求只能刚好跳到n级，跳过了不算。（用动态规划解，开辟一个长度为n+1的一维数组dp，dp[i]代表跳到i级台阶需要的 最少步数。dp[0]初始化为0，其余初始化为-1）

还是跳台阶，但是需要输出路径。给出思路。（一开始回答用广度优先遍历，超过n级则剪枝。面试官要求结合之前的 dp解法，想了下，用二维数组，paths[i]表示跳到i级台阶的最少步数对应路径，在动态规划的过程中知道从哪一级台阶j跳到当前台阶i步数最短，就在paths里添加paths[j]+[i]）

二面CTO面：

先随便聊了下。然后手写代码。

1.类似“aabbccccdeffg”的字符串转化成“2a2b4cde2fg”的形式。（这个很简单，不说了）

2.一张海洋的高空拍摄图，图中有小岛，设计一个算法计算图中独立的小岛个数。上下左右为相接。（用只包含01的二维数组储存图像，蓝色为0，非蓝色为1。遍历数组，用字典存每个坐标的编号，岛屿编号从1开始，海洋点编号0。最大的岛屿标号就是小岛个数。复杂度O(n)）

三面CEO面：

也是先聊了下，然后问几道数学和统计方面的题目。

1.最小平方误差求最小值。（求导，令导数等于0）

2.求sum(|Xi-w|)最小值。（w等于所有Xi的中位数的时候。方法是画数轴）

3.求sum(|wi*Xi-u|)最小值。(加入松弛变量，然后用KKT。类似SVM 软间隔问题求解)

4.已知一个均值分布，怎么得到正态分布。（Box-Muller transformation）

5.Box-Muller的本质是什么。(转化公式不记得了，这题没答上来)