↑↑↑↑↑点击上方蓝色字关注我们！
![]()
『运筹OR帷幄』转载
求职招聘栏目
来自于运筹帷幄的招聘板块。一方面，我们将为大家精心挑选和整理全球与运筹学、数据科学、机器学习、人工智能等领域相关的招聘职位。另一方面，我们也将翻译和转载国内外在该领域相关的求职干货。
如果您有职位正在招人，如果您想推荐相关领域的职位，请扫描文末二维码，让我们助您一臂之力。
/转载来源/
本文经牛客网网友“牛妹”授权转载。
/原文作者/
牛客网网友“牛妹”，毕业于哈尔滨理工大学，牛客网第一网红，微博：迪公主dorothy。
-01-
知识点框架
![]()
-02-
数学基础
[h2]1）微积分
[/h2]- SGD,Momentum,Adagard,Adam原理；
- L1不可导的时候该怎么办；
- sigmoid函数特性。
[h2]2）统计学，概率论
[/h2]- a,b~U[0,1]，互相独立,求Max(a,b)期望；一个活动,n个女生手里拿着长短不一的玫瑰花,无序的排成一排,一个男生从头走到尾,试图拿更长的玫瑰花,一旦拿了一朵就不能再拿其他的,错过了就不能回头,问最好的策略?
- 问题：某大公司有这么一个规定：只要有一个员工过生日，当天所有员工全部放假一天。但在其余时候，所有员工都没有假期，必须正常上班。这个公司需要雇用多少员工，才能让公司一年内所有员工的总工作时间期望值最大？
- 切比雪夫不等式；
- 一根绳子,随机截成3段,可以组成一个三角形的概率有多大？
- 最大似然估计和最大后验概率的区别?
- 什么是共轭先验分布？
- 概率和似然的区别；
- 频率学派和贝叶斯学派的区别；
- 0~1均匀分布的随机器如何变化成均值为0，方差为1的随机器；
- Lasso的损失函数；
- Sfit特征提取和匹配的具体步骤。
[h2]3）线性代数
[/h2]- 求mk矩阵A和nk矩阵的欧几里得距离；
- PCA中第一主成分是第一的原因；
- 欧拉公式；
- 矩阵正定性的判断,Hessian矩阵正定性在梯度下降中的应用；
- 概率题：抽蓝球红球，蓝结束红放回继续，平均结束游戏抽取次数；
- 讲一下PCA；
- 拟牛顿法的原理；
- 编辑距离。
![]()
图片来源：Gerd Altmann from Pixabay
-03-
机器学习算法
[h2]1）处理分类问题常用算法
[/h2]- 交叉熵公式；
- LR公式；
- LR的推导，损失函数；
- 逻辑回归怎么实现多分类；
- SVM中什么时候用线性核什么时候用高斯核；
- 什么是支持向量机,SVM与LR的区别?
- 监督学习和无监督学习的区别；
- 机器学习中的距离计算方法?
- 问题：朴素贝叶斯（naive Bayes）法的要求是；
- 问题：训练集中类别不均衡，哪个参数最不准确？
- 问题：你用的模型，最有挑战性的项目？
- 问题：SVM的作用，基本实现原理？
- 问题：SVM的硬间隔，软间隔表达式？
- 问题：SVM使用对偶计算的目的是什么，如何推出来的，手写推导？
- 问题：SVM的物理意义是什么？
- 问题：如果给你一些数据集，你会如何分类（我是分情况答的，从数据的大小，特征，是否有缺失，分情况分别答的）
- 问题：如果数据有问题，怎么处理？
- 分层抽样的适用范围；
- LR的损失函数；
- LR和线性回归的区别；
- 生成模型和判别模型基本形式，有哪些？
- 核函数的种类和应用场景；
- 分类算法列一下有多少种，分别应用场景有哪些？
- 给你一个检测的项目，检测罐装的可口可乐，瓶装的可口可乐作为负样本，怎么弄？
- SVM核函数的选择；
- SVM的损失函数；
- 核函数的作用；
- SVM为什么使用对偶函数求解？
- ID3,C4.5和CART三种决策树的区别；
- SVM和全部数据有关还是和局部数据有关；
- 为什么高斯核能够拟合无穷维度？
- 第二面完整推导了svm一遍，还有强化学习问的很多，dqn的各种trick了解多少，怎么实现知不知道？
- SVM所有核函数的了解应用，SVM的损失函数；
- LR和SVM 区别；
- 朴素贝叶斯基本原理和预测过程；
- LR推导；
- 交叉熵；
- LR公式；
- 交叉熵公式。
[h2]2）处理回归问题常用算法
[/h2]- L1和L2正则化的区别；
- 问题：Loss Function有哪些，怎么用？
- 问题：线性回归的表达式，损失函数；
- 线性回归的损失函数；
- 机器学习：知道哪些传统机器学习模型？
[h2]3）处理聚类问题常用算法
[/h2]- 什么是DBSCAN？
- k-means算法流程；
- LDA的原理；
- 介绍几种机器学习的算法，我就结合我的项目经理介绍了些RF, k-means等算法；
- 讲讲，k-means有什么缺点，K怎么确定；
- DBSCAN原理和算法伪代码，与k-means，OPTICS区别。
[h2]4）推荐系统的常用算法
[/h2]- 问推荐算法，fm，lr，embedding；
- 协同过滤的itemCF，userCF区别适用场景；
- 推荐系统的大概步骤，解决冷启动；
- 传统的机器学习算法了解吗？
- 用mapreduce实现10亿级以上数据的k-means；
- A/B test如何进行流量分流；
- 协同过滤中的算法怎么细分？
- FM公式。
[h2]5）模型融合和提升的算法
[/h2]- bagging和boosting的区别；
- boosting和 bagging区别；
- XGBOOST和GDBT的区别；
- GDBT的原理,以及常用的调参参数；
- AdaBoost和GBDT的区别,AdaBoost和GBDT的区别；
- gbdt推导；
- boosting和bagging在不同情况下的选用；
- gbdt推导和适用场景；
- 说一下gbdt的全部算法过程；
- rf和gbdt基分类器区别，里面的决策树分别长啥样，怎么剪枝？
- 随机森林和 GBDT 的区别；
- xgboost的特征重要性计算；
- xgboost的正则项表达式；
- xgboost原理，怎么防过拟合；
- xgboost，rf，lr优缺点场景；
- xgboost特征并行化怎么做的？
- xgboost和lightgbm的区别和适用场景？
[h2]6）其他重要算法
[/h2]- 问题：HMM隐马尔可夫模型的参数估计方法是；
- 问题：Bootstrap方法是什么？
- 问题：如何防止过拟合？
- EM算法推导，jensen不等式确定的下界。
![]()
图片来源：Gerd Altmann from Pixabay
-04-
机器学习
[h2]1）Scikit-learn
[/h2]- Focal Loss 介绍一下；
- 过拟合的解决方法；
- 方差偏差的分解公式；
- 问题：对应时间序列的数据集如何进行交叉验证；
- 问题：正负样本不平衡的解决办法？评价指标的参考价值？
- 迁移学习；
- 数据不平衡怎么办？
- AUC的理解；
- AUC的计算公式；
- 生成模型和判别模型的区别；
- 过拟合的解决方法；
- 特征选择怎么做？
- 怎么防止过拟合？
- L1和L2正则；
- ID3树用什么指标选择特征？
- 特征工程的问题；
- 给了个链接线上写代码，要求写读文本、文本预处理、特征提取和建模的基本过程，不过写到特征就没写了；
- softmax公式；
[h2]2）Libsvm
[/h2]- 检测20类物体，多少张训练集，怎么训练？
- lightgbm优势。
[h2]3）Keras/tensorflow
[/h2]- MXNet和Tensorflow的区别；
- Tensorflow的工作原理；
- Tensorflow中interactivesession和session的区别；
- 手写了tensorflow的图像分类代码，还有问之前线下笔试最后编程题的思路，算法复杂度，然后项目也问。
![]()
图片来源：Gerd Altmann from Pixabay
-05-
深度学习
- BatchNormalization的作用；
- 梯度消失；
- 循环神经网络，为什么好？
- 什么是GroupConvolution？
- 什么是RNN？
- 训练过程中,若一个模型不收敛,那么是否说明这个模型无效?导致模型不收敛的原因有哪些?
- 图像处理中锐化和平滑的操作；
- VGG使用3*3卷积核的优势是什么？
- Relu比Sigmoid的效果好在哪里?
- 问题：神经网络中权重共享的是什么?
- 问题：神经网络激活函数?
- 问题：在深度学习中，通常会finetuning已有的成熟模型，再基于新数据，修改最后几层神经网络权值，为什么?
- 问题：画GRU结构图;
- Attention机制的作用;
- Lstm和Gru的原理;
- 什么是dropout?
- LSTM每个门的计算公式;
- HOG算法原理;
- DropConnect的原理;
- 深度学习了解多少，有看过底层代码吗？caffe,tf
- 除了GMM-HMM，你了解深度学习在语音识别中的应用吗;
- 用过哪些移动端深度学习框架;
- Caffe：整体架构说一下，新加一个层需要哪些步骤，卷积是怎么实现的，多卡机制，数据并行还是模型并行;
- HOG算子是怎么求梯度的?
- BN层的作用，为什么要在后面加伽马和贝塔，不加可以吗?
- 梯度消失，梯度爆炸的问题;
- Adam;
- attention机制;
- RNN梯度消失问题,为什么LSTM和GRU可以解决此问题?
- GAN网络的思想;
- 1*1的卷积作用;
- 怎么提升网络的泛化能力;
- 什么是seq2seq model?
- 激活函数的作用;
- 为什么用relu就不用sigmoid了?
- 讲一下基于WFST的静态解码网络的语音识别流程?
- 目标检测了解吗，Faster RCNN跟RCNN有什么区别?
- SPP，YOLO了解吗？
- 梯度消失梯度爆炸怎么解决？
- RNN容易梯度消失，怎么解决？
- LSTM跟RNN有啥区别？
- 卷积层和池化层有什么区别?
- 防止过拟合有哪些方法?
- 介绍下dropout?
- relu？
- 神经网络为什么用交叉熵？
- 注意力公式；
- 论文flow情况；
- Flappy.Bird开发者,怎么利用DNQ方法强化学习你的游戏AI？
- LeNet-5结构；
- 推导LSTM正向传播和单向传播过程；
- LSTM原理，与GRU区别；
- DNN的梯度更新方式；
- CNN为什么比DNN在图像识别上更好；
- 现场用collabedit写代码，一个怪异的归并算法，之前没遇到过，直接把归并写出来，但是说复杂度太高，优化了三遍还不行，最后说出用小顶堆解决了；
- LSTM和Naive RNN的区别；
- 神经网络为啥用交叉熵？
- 注意力公式；
- Inception Score 评价指标介绍；
- 使用的 CNN 模型权重之间有关联吗？
- CycleGAN 原理介绍一下；
- 训练 GAN 的时候有没有遇到什么问题；
- 百度实习：CPM 模型压缩怎么做的？有压过 OpenPose 吗？
- 用过哪些 Optimizer，效果如何；
- 图像基础：传统图像处理方法知道哪些，图像对比度增强说一下；
- 介绍一下图像的高频、低频部分，知道哪些图像补全的方法；百度实习：模型压缩的大方向。CPM 模型怎么压缩的，做了哪些工作；
- Depthwise 卷积实际速度与理论速度差距较大，解释原因；
- RetinaNet 的大致结构画一下；
- RetinaNet为什么比SSD效果好；
![]()
图片来源：Gerd Altmann from Pixabay
-06-
数据结构与算法
[h2]1）查找
[/h2]- 手写二分查找；
- 算法题，单调函数求零点 (简单的二分法)；
- 特别大的数据量，实现查找，排序。
[h2]2）哈希
[/h2]- Hash表处理冲突的方法；
- 一致性哈希；
- Hash表处理冲突的方法；
- apriori；
- KM算法。
[h2]3）表达式、字符串
[/h2]- 中缀表达式转后缀表达式；
- 算法题：翻转中间由各种符号隔开的字符串；
- 问题：A+B(CD)/E的后缀表达式。
[h2]4）栈与堆
[/h2]- 大顶堆怎么插入删除；
- 堆栈区别；
- 栈溢出有哪些情况。
[h2]5）树
[/h2]- 问题：手撕代码，根据前序，中序创建二叉树；
- 算法题：从右边看被遮挡的二叉树，求露出的node；
- 算法题，给前序和中序，求出二叉树；
- 算法题，trim二叉搜索树；
- 红黑树。
[h2]6）排序
[/h2]- 对一千万个整数排序,整数范围在[-1000,1000]间,用什么排序最快；
- 堆排序的思想；
- 冒泡排序；
- 快速排序的最优情况；
- 抽了两道面试题目两道：8个球，1个比较重，天平，几步找到重的；
- 算法题：topK给出3种解法 ；
- 快排；
- 说一下小顶堆的调整过程；
- 算法题：2sum，3sum。
[h2]7）高级算法
[/h2]- 手撕代码：以概率p生成1、概率1-p生成0的rand函数，得到0-1等概率的rand函数，计算新的rand函数中：调用一次，while循环的期望次数；
- Kruskal算法的基本过程；
- BFS和DFS的实现思想；
- 关联规则具体有哪两种算法,它们之间的区别；
- 贪婪算法；
- 模拟退火，蚁群对比；
- 算法题：名人问题，给出最优解法；
- 代码题：股票最大值；
- 编辑距离。
[h2]8）链表
[/h2]- 如何判断单链表是否是循环链表；
- 反转链表；
- 算法题，反转链表；
- 算法题，单链表判断是否有环 (leetcode easy)，以及判断环入口。
[h2]9）数组
[/h2]- 找出数组中只出现1次的数，其余数均出现2次，扩展，其余数出现2次以上。
[h2]10）动态规划
[/h2]- 最短描述数，10的最短描述数是3^2+1^2所以是2，求一个数的最短描述数；
- 跳台阶问题，每次只能跳1个台阶或者2个台阶，n个台阶共有多少种方式；
- 动态规划和带记忆递归的区别；
- 手撕代码：0-1矩阵的最大正方形。
[h2]11）遍历
[/h2]![]()
图片来源：Elchinator from Pixabay
-07-
编程语言，工具和环境
[h2]1）编程语言
[/h2]- 什么是python的生成器；
- Java抽象类和接口的区别；
- python中is和==的区别；
- python方法解析顺序；
- strcpy函数；
- Ctrl+C程序挂掉还是抛出异常,如何判断两个dict是否一样,list头上删除元素,字符串拼接；
- pytorch中cuda()作用,两个Tensor,一个加了cuda(),一个没加,相加后怎样；
- python中dict和list的区别,dict的内部实现；
- C++析构函数；
- C++的delete, delete[]的区别；
- C++相关的问题虚函数；
- 如何写多线程的代码；
- 是否关注过caffe和pytorch是怎么写的吗？pytorch调用多GPU函数内核；
- Java虚拟机内存的划分；
- python dict按照value进行排序；
- C++中static关键字的作用；
- 虚函数和纯虚函数的区别；
- Python多进程；
- 深拷贝，浅拷贝，写一个出来(写了个自己认为对的版本)；
- 在程序里面智能指针的名字是啥？
- new，malloc区别；
- 纯虚函数怎么定义，写一个出来；
- 函数后面接const是什么意思？
- 写一个函数指针；
- 抽象类和接口的区别；
- 有看过c＋＋的一些库吗？
- c＋＋你看的最久的一章是哪一章，c＋＋primer最熟哪一章？
- 开发环境、语言的掌握；
- Python 多进程；
- Python 锁。
[h2]2）大数据相关
[/h2]- Spark性能如何调优；
- map reduce实现笛卡尔乘积；
- 是否写过udf，问udaf，udtf区别和一些细节。
-08-
自然语言处理
[h2]1）Word2vec
[/h2]- Word2Vec中skip-gram是什么,Negative Sampling怎么做；
- FastText和Glovec原理；
- word2vec实施过程；
- softmax的原理了解；
- Wod2vec公式；
- 使用gensim的word similar方法预测句子。
![]()
图片来源：Gerd Altmann from Pixabay
-09-
计算机基础
[h2]1）linux
[/h2][h2]2）计算机网络
[/h2]- IP报文经过一个路由器改变哪些字段?
- TCP/IP算法,IP寻址。
[h2]3）操作系统
[/h2]- 如何将小端存储模式转为大端存储模式；
- Python 锁。
[h2]4）数据库
[/h2]- count(*),count(1)和count(列名)的区别。
-10-
场景题
- 如何对10亿个词语进行排序,找出频率最高的100个？
- 算法题，10亿个32位正整数，求不同值，只给1GB内存 ？
- AI能用在游戏的哪些方面？
- 如果让我用AI技术怎么加入AI元素？
- 你觉得你的构想能实际实现吗？
- 那这个技术加进去有什么实际上的意义？
[h1]
-11-
项目
[/h1]- 自我介绍；
- 项目介绍；
- 项目中涉及的算法有了解情况；
- 模型的搭建，后处理，数据中发现的特征，发现的亮点；
- 数据量和涉及的算法，效果；
- 你是怎么处理数据中经常存在的数据不平衡的问题；
- 考察项目中的roi-pooling；
- 描述一个算法项目从kickoff-落地的全过程；
- 扣项目，问简历，其中涉及的算法和上面差不多；
- 对项目中一些技术选型产生质疑，并友好的一起讨论了这个问题；
- 扣简历，问得太细了，每个项目都要回答如果再做一次，有什么改进的地方，both算法上和模型选择上；
- 聊简历项目，对搜索推荐算法的了解；
- 简历上聚类项目用到的ISODATA算法比kmeans有哪些改进；
- 然后让我说一下自己最印象深刻的项目。问我项目的最终成果，分析失败的原因；
- 看过的论文，讨论论文；
- 针对岗位需求和我简历里的内容进行提问；
- 项目中遇到的最大困难；
- 你的C/C++怎么样；
- 谈谈实习项目；
- 项目难点；
- 说一下你简历里的图像识别的项目；
- 项目经历详细介绍：两种预测方式区别，pair的预测方式，整体项目有哪些可以提升的，遇到的困难之类的，整个项目用了哪些库；
- 看过的论文，讨论论文；
- 论文flow情况；
- 英特尔实习：项目介绍：台球识别和分类使用的方法，Hough 变换原理、后处理；
- Kaggle 比赛：背景介绍，数据清洗、数据增强、类别平衡，最终成绩，与前几名差距在哪，有没有尝试集成的方法；
- GAN 小论文，做了哪些工作，详细公式推一下，对 GAN 的具体应用有了解吗；
- 简历上项目为何适用xgboost和lr，对比其他分类算法的场景优势 ；
- GAN小论文，你做了什么，有哪些改进，在哪些数据集上做过实验，分辨率是多少；
- 英特尔实习：1）项目背景。台球检测和分类方法，球杆检测方法，球杆遮挡问题怎么处理，不用分类器，直接分割或计算图像差值会怎样；
- 有什么问题想了解一下。
![]()
图片来源：Wolfgang Claussen from Pixabay
-12-
hr面
- 自我介绍；
- 几点过来的；
- 你有什么跟别人不一样的；
- 你的缺点是什么；
- 家里几口人；
- 搞技术的你怎么很能说啊；
- 为什么喜欢杭州；
- 为什么喜欢菜鸟；
- 如果你面试失败，你会怎么办？
- 菜鸟跟你相关的部门；
- 有女朋友吗？
- 在哪里工作?
- 从事什么行业?
- 如果你的岗位有冲突，你会怎么处理?
- 实习时间，具体什么时候可以开始?
- 你有什么想问的吗?
- 有没有男朋友呀，意向地点是哪?
- 对公司有哪些了解?
- 兴趣爱好、意向地点?
- hr面就是常见的问题，城市啊，薪资待遇啊，对部门的评价，对总监的评价;
- 自我评价优缺点，怎么改进 ;
- hr抠了简历细节，问了笔试试卷相关的问题，还有自己的职业规划等;
- 想去的工作城市;
- 考研还是保研，为什么考到这个学校;
- 研究生期间最大的改变是什么?
- 四六级成绩;
- 讨论下工作地点和期望薪资;
- 你三年的职业规划是什么?
- 你和周围的人比你的优势在哪？举个例子;
- 考研的还是保研的？为什么没有保研?
- 家庭成员？家里人对你的工作地点有要求吗?
- 平时喜欢运动吗?
- 设计模式会吗?
- 转岗吗?
- 平时刷题吗？你刷过最有意思的题是哪个，介绍一下?
- 我看你之前还做过销售，聊一下 ?
-13-
学习与发展
- 如果有同学要学机器学习，你会建议他们从哪里做起?
- 个人发展，以及对自己项目的深入思考，还有深度学习的发展之类的。
- 讲很多关于深度学习以及机器学习的具体应用与实现，也谈到了自己在实际工作中遇到的困难。
- 之后面试官问了些我对人工智能的看法，以及相关竞赛的情况;
- 为什么选择实习，而不是在学校做研究？
END
本文编辑
原文作者：牛客网网友“牛妹”，毕业于哈尔滨理工大学，牛客网第一网红，微博：迪公主dorothy。
责任编辑：杜图灵
微信编辑：公子乔三
文章申明：本文内容来自牛客网网友“牛妹”，经原作者同意后，由责编杜图灵收集整理。如需转载，请在公众号后台获取转载须知。
往期回顾
求职招聘 | 南洋理工、埃塞克斯、东北大学：优化方向博士（后）
求职招聘 | 算法岗，详细面试问题，十家公司面试经验总结
求职招聘 | AI、算法岗位，2020届华为海思全球博士招聘
![]()
号外！『运筹OR帷幄』入驻知识星球！
随着算法岗位对专业人才要求的提高，面试题越来越难。『运筹OR帷幄』特建立【算法岗面试求职招聘】知识星球，邀请业界资深算法工程师，帮助大家解答面试题中的疑点难点，分享成功面试经验。内容涵盖运筹学、数据科学、人工智能等和算法相关的专业。让大家面对算法面试更加游刃有余。
扫描下方二维码，公司大咖与您一起聊算法面经，快来加入我们吧！
[h2]豪华嘉宾阵容
[/h2]目前星球特邀入驻的嘉宾（曾）就职的公司包括（不断扩展中）：
腾讯、百度、阿里（菜鸟、达摩院、盒马）、华为、微软、英伟达、顺丰科技、旷视、SAP、NEC、美团、苏宁、福特、阿里妈妈、东芝、松下、佳能、拼多多、环球易购、携程、滴滴、京东、杉数科技、Sabre、悠桦林、Pier、奇弦智能、Momenta等。
|
|
转播
