筆者自從2015年擔任算法組leader，作為面試官面試了不少同學。前前后后面試了超過200名同學，其中有不少入職的同學后來發展都不錯，也堅定了自己對于選人標準的自信心。

今年2020年找工作尤其艱難，我把這些年作為面試官一些重要的面試題整理出來，一共80道，希望能夠幫助到大家。

為了方便大家，我做了一個歸類，一共分成了6大類，分別是：機器學習，特征工程，深度學習，NLP，CV，推薦系統。這些知識既是面試中的常見問題，也可以作為大家整理自己思路的參考資料。（需要的同學文末免費領取）

機器學習理論類：

1.? 寫出全概率公式&貝葉斯公式

2. ?模型訓練為什么要引入偏差(bias)和方差(variance)？??證

3.? CRF/樸素貝葉斯/EM/最大熵模型/馬爾科夫隨機場/混合高斯模型

4. ?如何解決過擬合問題？

5. ?One-hot的作用是什么？為什么不直接使用數字作為表示

6. ?決策樹和隨機森林的區別是什么？

7. ?樸素貝葉斯為什么“樸素naive”？

8.? kmeans初始點除了隨機選取之外的方法

9.? LR明明是分類模型為什么叫回歸

10. 梯度下降如何并行化

11. LR中的L1/L2正則項是啥

12. 簡述決策樹構建過程

13. 解釋Gini系數

14. 決策樹的優缺點

15. 出現估計概率值為 0 怎么處理

16. 隨機森林的生成過程

17. 介紹一下Boosting的思想

18. gbdt的中的tree是什么tree？有什么特征

19. xgboost對比gbdt/boosting Tree有了哪些方向上的優化

20. 什么叫最優超平面

21. 什么是支持向量

22. SVM如何解決多分類問題

23. 核函數的作用是啥

特征工程類：

1. ?怎么去除DataFrame里的缺失值？

2.? 特征無量綱化的常見操作方法

3. ?如何對類別變量進行獨熱編碼？

4. ?如何把“年齡”字段按照我們的閾值分段？

5. ?如何根據變量相關性畫出熱力圖？

6. ?如何把分布修正為類正態分布？

7. ?怎么簡單使用PCA來劃分數據且可視化呢？

8. ?怎么簡單使用LDA來劃分數據且可視化呢？

深度學習類：

1.? 你覺得batch-normalization過程是什么樣的

2. ?激活函數有什么用？常見的激活函數的區別是什么？

3. ?Softmax的原理是什么？有什么作用？
CNN的平移不變性是什么？如何實現的？

4. ?VGG，GoogleNet，ResNet等網絡之間的區別是什么？

5.? 殘差網絡為什么能解決梯度消失的問題

6.? LSTM為什么能解決梯度消失/爆炸的問題

7.? Attention對比RNN和CNN，分別有哪點你覺得的優勢

8.? 寫出Attention的公式

9.? Attention機制，里面的q,k,v分別代表什么

10. 為什么self-attention可以替代seq2seq

自然語言處理（NLP）類：

1.? GolVe的損失函數

2.? 為什么GolVe會用的相對比W2V少

3.? 層次softmax流程

4.? 負采樣流程

5.? 怎么衡量學到的embedding的好壞

6.? 闡述CRF原理

7.? 詳述LDA原理

8.? LDA中的主題矩陣如何計算

9. ?LDA和Word2Vec區別？LDA和Doc2Vec區別

10. Bert的雙向體現在什么地方

11. Bert的是怎樣預訓練的

12. 在數據中隨機選擇 15% 的標記，其中80%被換位[mask]，10%不變、10%隨機替換其他單詞，原因是什么

13. 為什么BERT有3個嵌入層，它們都是如何實現的

14. 手寫一個multi-head attention

推薦系統類：

1.? DNN與DeepFM之間的區別

2.? 你在使用deepFM的時候是如何處理欠擬合和過擬合問題的

3.? deepfm的embedding初始化有什么值得注意的地方嗎

4.? YoutubeNet 變長數據如何處理的

5.? YouTubeNet如何避免百萬量級的softmax問題的

6. ?推薦系統有哪些常見的評測指標？

7. ?MLR的原理是什么？做了哪些優化？

計算機視覺（CV）類：

1.? 常見的模型加速方法

2.? 目標檢測里如何有效解決常見的前景少背景多的問題

3.? 目標檢測里有什么情況是SSD、YOLOv3、Faster R-CNN等所不能解決的，假設網絡擬合能力無限強

4.? ROIPool和ROIAlign的區別

5.? 介紹常見的梯度下降優化方法

6.? Detection你覺的還有哪些可做的點

7.? mini-Batch SGD相對于GD有什么優點

8. ?人體姿態估計主流的兩個做法是啥？簡單介紹下

9.? 卷積的實現原理以及如何快速高效實現局部weight sharing的卷積操作方式

10. CycleGAN的生成效果為啥一般都是位置不變紋理變化，為啥不能產生不同位置的生成效果

這些問題的答案，我們給大家整理了一個資料包，大家掃碼添即可領取，祝大家求職順利~

?長按掃碼添加

本號只有100個名額

↓ ↓ ↓?

備注【面試題】添加????

注：期望資料請選擇【面試題】

與50位技術專家面對面20年技術見證，附贈技術全景圖

總結

以上是生活随笔為你收集整理的划重点！这80道算法题，想拿大厂Offer的你别漏了的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。