2018最新实用BAT机器学习算法岗位系列面试总结（内附算法技能导图）

我发现市面上关于机器学习算法工程师面试题目总结的不是特别全面，没有考虑到工作的实用性，所
以将会结合自身工作经验，打算对每个机器学习算法工程师所需要的技能规整出相应的核心面试题，
分享出来，如果大家有什么补充的，欢迎留言。甚至如果你想咨询如何通过机器学习算法岗位也可以
加我（看博客名），我可以给出建议。

下图是机器学习算法工程师所需要的各方面技能，也是面试要问到的问题。

我会从上面每个方面至少写一篇文章做面试题总结，方便大家复习和学习。我将会按下面的顺序写
文章，请大家持续关注。
点赞和收藏是持续写的动力哦！

1.特征工程
2.模型评估
3.经典算法
4.降维
5.非监督学习
6.概率图模型
7.优化算法
8.采样
9.前向神经网络
10.循环神经网络
11.强化学习
12.集成学习
13.生成式对抗网络
14.人工智能的热门应用

这个机器学习算法岗位系列面试题将会分基本技能和挖深技能两个技能讲。特征工程，模型评估，
经典模型等是机器学习领域的基石，是每个算法工程师应该融会贯通，内化于自己的知识体系中。
等掌握这些基础知识和能力后，可以往不同方向进行深挖。比如推荐系统方向，你不仅要知道降
维，优化算法，更要对神经网络，强化学习等新生代模型不断钻研，深入理解。又比如你可以往
机器翻译，语音聊天助手等自然语言处理的应用场景，你就需要知道马尔可夫模型，主题模型，
能够建立完整的概率图模型知识网络，并将循环神经网络融会贯通。

你的点赞，收藏和关注是我持续写下去的动力哦！！！