机器学习岗位面试会问什么，机器学习算法面经

机器学习工程师岗位面试主要看机器学习掌握得如何，自己做的相关项目，以及coding能力。下面为大家带来机器学习面试问题。

众所周知，机器学习面试主要分为三个方面。

 

算法基础（理论概念）

工程代码实现及前沿技术复写能力

业务思考深度及思维发散广度

 

我们默认参加机器学习面试的都是有一定工作经验的同学（至少完整参与过一个项目）

 

大概的面试问题如下：

 

Random Forest 原理（理论基础）

CNN的实现过程及可优化位置，Why？梯度消失？激活函数？（理论基础）

随机森林为什么不能用全样本取训练m棵决策树？（理论基础...当时没听懂还让他们pardon了一次）

RF和CNN是怎么结合的，这样做优点是什么？（工程能力）

CNN的调参有什么经验？（工程能力）

Data feature 怎么提取？什么是OOB？（工程能力）

为什么采用这两种算法解决异常数据识别及原因分析的问题？如果精度不够，需要对算法进行怎样的调整？（业务理解）

后续优化和迭代的思路？（业务理解）

这几年我也陆续面过一些算法工程师的求职者，除了项目本身的考察外，我问的大部分问题如下：

 

常见的分类算法有什么

 

特征工程

Kmeans或者KNN的原理

在kmeans或kNN，为什么 用欧式距离来计算邻居之间的距离？可以用别的方法吗？为什么？

Overfitting怎么解决？

LR和SVM的关系与区别？

判别式模型和生成式模型？

LSTM结构推导，为什么比RNN好？

 

除了机器学习理论基础，还要考察工程能力就是我们所说的代码编写。刷题，是最有效的方式。