机器学习算法面筋

Feldstein

蛮感谢牛客网的，拿到了些二线互联网的算法offer,待遇达到了牛客网起薪水平，哈哈，不过看到身边不少是一线互联网sp,打算蛰伏，等待机会，打个翻身战。在多说一句，现在大家晒offer很正常，毕竟都是这个阶段了，所以大家没必要喷，你拿到好的offer也想有人分享。还有就是大家看到的都是很高的offer和学校有关系的，我室友的真的都高于传说中牛客网的白菜价的，不过大多数学校都没达到这个价位也是很正常的，再过三年再比吧，那就不是差3、5w的事情了，让自己更值钱。很喜欢这个问题：你选择offer最看重什么？
答：钱、和未来的钱。
以下面筋都是靠记忆，我没有记笔记习惯，有些隔得时间差不多一个多月了，记得不清楚。先码，慢慢补充。
滴滴内推：
一面：
1.算法：最长不重复子序列（leetcode原题）；
2.然后介绍自己的项目，中间问了些问题；
3.推导逻辑回归
3.也许代码很快，所以一面基本就这么过了。。。。
二面：
二面比较坑，面试官着急走，问的问题很快，有些我还一直懵逼状态
1.有种场景，利用规则算法有着不错的效果，可是利用规则之后的结果输入到模型中，为什么结果还变差了？
2.长尾数据如何处理？
3.GBDT在什么情况下比逻辑回归算法要差？
4.GBDT对输入数据有什么要求，如果效果比较差，可能是什么原因造成的？
5.DP，edit sitance 问题
6.比较下逻辑回归与GBDT
滴滴校招：
一面：
1.算法，有点醉，和之前内推的题目是一模一样的，又是最长不重复子序列，秒解。。
2.sigmoid函数可以优化梯度消失的问题么，数学问题，自己推导公式看下
3.sigmoid函数求导，与问题2有关
4.神经网络非线性原因分析
5.推导逻辑回归。。。。是的，又推导了
6.聊项目
7.hadoop与spark比较
8.如何理解spark是基于内存的
9.JAVA多线程问题
10.SVM核函数理解，线性回归如何利用核函数，有什么弊端
11.笔试成绩不错，说说笔试编程题。。。。。有点醉，不过还好比较简单还记得一点
我感觉一面面了快90分钟了。。。。
二面：
1.写线性回归损失函数
2.写个全排序
3.比较下常用的聚类算法，你如何理解在什么场景使用他们
4.全排序有重复数字呢？没写，说了思路
5.出了两个概率题，题目有点忘了，楼主没有答出来，不过还好之前算法写的还行，这个他也没怎么计较
6.机器学习非线性模型以及线性模型解决非线性问题
三面：
1.最短路径算法，问的很深，基本最短路径所有的算法都问了；
2.图论中的问题，感觉主要考你的理解能力，最小割问题吧（不确定）解决思路和最小生成树有关，时间长了有点忘了，这题没有参考价值，就是看理解能力；
3.问了项目中的一个模型，他问了各种优化思路，我感觉撞枪口了，这个模型的优化他绝壁很熟悉（三面一定要对模型认识比较深刻，最好能有自己的优化想法，能够吹逼）；
4.写个DP，01背包问题
京东
一面：
1.算法，二分法的扩展版本，leetcode都有，就那4、5道吧；
2.算法，快排，我面试的时候隔壁有个广州来的表现不好，冒泡、快排都没写出来，影响了我的面试官，给我出了个简单的；
3.hadoop问题，类似二次好友问题，一个key有很多个value，找出内容相近的key（没说多相近），我说了simhash和二次好友两种解决思路
4.聊项目
5,推导你最熟悉的机器学习算法，楼主选了SVM，不想推导逻辑回归了
6.说说你对机器学习的看法。。。。这问题厉害了
二面：
1.写代码，一个数组中有一个数字出现两次，找出来
2.代码，判断一棵树是不是对称的
3.比较随机森林和GBDT，选择一个重点说说
4.如果随机森林数的树的个数无穷大，你觉得会过拟合么
5.GBDT对异常数值敏感么，GBDT如何处理缺失值
6.你是如何处理缺失值和异常值的
7.对hadoop和spark了解程度
8.能来实习么，觉得自己适合做什么？
先写三个，有时间在写，其实大小也面试了十几家，不过现在有事回家了，错过了腾讯、卡中心、新浪和银联的面试，就在刚才百度让我15号去面试，估计又去不了，注定与BAT无缘么。。。。

转载自：https://www.nowcoder.com/discuss/54238