全世界有3.14 %的人已經關注了

資料與演算法之美

我是小A，一個沒能當成演算法工程師的菜雞Java工程師，內心卻等著上AI這趟車。

去年正是人工智慧火熱的時候，看著各種高薪招聘，我沉寂很久的內心也火熱起來了。但是想歸想，我內心還是有很多糾結的。

自己已經很多年沒有碰過高數線代概率論，“剛畢業的本科生也能年薪50萬”這樣的話看著心動，但又覺得不會那麼容易。

身邊轉型的朋友倒是越來越多，想來想去，我決定自己先自學一番。我瞄準了演算法工程師裡最火的推薦演算法，畢竟開源資料多如牛毛，有啥不懂，Google一下，問題全解決。

在擼完西瓜書、統計學習方法後，自己動手刷了刷天池的新人賽。但是成績一直很一般，卻不知該如何下手。

前輩說，不能等著什麼都學會了，才去找工作，不然黃花菜都涼了。於是，我鼓起勇氣，就拿現有的專案試試看吧。一頓海投之後，還真有收到不少面試邀請，其中還不乏行業老大！我的求職之路start！

面試那天早上在電梯裡碰到了同一層下的哥們，湊過去套近乎發現是面同一崗位的競爭對手。不過是從化學專業轉過來的，對自己多了點信心，感覺offer有點穩！

 

回顧下面試的情況：

一面只是簡單問了下個人情況，二面的技術面竟然是我和電梯那位小哥一起。

不過之前瞭解了些情況，對自己還是很自信的，強調了自己的Java背景，什麼轉型上手快啊、學習能力強。面試官聽完自我介紹開始對我倆提問了。

面試官：推薦系統有哪些處理方式？

我 ：（這還不簡單，早背下來了）基於內容推薦、協同過濾、矩陣分解與隱語義模型

面試官：嗯，好

帥哥：還有word2vec行為序列建模

面試官點點頭。

面試官：小A，你來說說基於內容的推薦是怎麼做的？

我：對文字做表示(簡單的主題詞提取、詞袋模型表示、TF-IDF向量表示)，再匹配距離。

面試官轉向小帥哥：協同過濾有哪幾種？它的基本原理是什麼？

帥哥：兩種，基於使用者的協同過濾推薦，基於物品的協同過濾推薦。協同過濾就是一種基於近鄰的推薦演算法。

面試官點點頭。

面試官：那麼你們各自最常使用的是哪種？說說理由吧。

我（搶答）：最常使用的是基於物品的協同過濾。原因是物品相似度的穩定度高，而且可以給出可理解的解釋

帥哥：同意

面試官：實際應用時，有新資料會遇到冷啟動問題，你一般怎麼解決這個問題？

我：（臥槽！他說的是啥？）額···

帥哥：基於內容的推薦可以一定程度緩解冷啟動問題，還是就是要採集資訊了

面試官低著頭，擡了擡眉毛。

面試官：TF-IDF計算方式，表示成向量以後，相似度計算的度量準則有哪些？

帥哥：兩個部分term frequency和inverse document frequency，計算後作乘積。度量標準有cos距離，pearson相似度，Jaccard相似度等

我：······

面試官：你會用word2vec對使用者行為序列進行建模，瞭解word2vec的模型結構嗎？層次化softmax和負例取樣分別是什麼樣的？

帥哥：是一個不帶隱層的分類器，比如CBOW就是用視窗內周邊的詞去預測中間詞，因為尾部的類別(詞表大小)很多，所以需要用一些方式去優化，比如層次化softmax是構建了一顆哈夫曼樹，然後把平鋪開的多分類轉成類似多次二分類；negative sampling是取樣一部分非positive的類別構建分類器。具體的圖是這樣的...

我：······

面試官：換個領域吧。能寫一下SVM的原理公式嗎？

帥哥：拿起筆洋洋灑灑

我：······

一如我當初的預料，面試呈現碾壓態勢，只不過是小帥哥碾壓了我.......

我不記得最後那十幾分鍾是怎麼度過的，只恨沒有一個洞給我鑽進去，什麼演算法工程師剛畢業也能做，不懂數理啥都做不了！

出門時我很不甘心的問：你咋這都懂呢？你不是化學專業出身嗎，咋比我這個程式設計師還程式設計師？

小帥哥答：一開始我也遇到過你這種情況，並不理解演算法背後的原理和數學知識，說來有點慚愧，面試不知道失敗多少次才下定決心改變。朋友推薦我去學習網易微專業的機器學習工程師和人工智慧數學基礎，我才徹底跨進了人工智慧的大門，雖然路還很遠，不過總算找到正確的方向了。

聽了小帥哥話，我心態有點不好，小帥哥說網易雲課堂還經常有免費的直播課和體驗課，我可以先看免費的課程體驗下，再看看自己是不是合適，我覺得小帥哥講的還挺有道理。 收集來這些免費福利分享給大家：

PART 1

免費直播課

直播主題

《從小白到入職BAT，演算法工程師的成長之路》

11月22日 週四 20:00

直播大綱

• 畢業之後，你還在哪裡被數學為難？

• AI演算法背後的數學知識其實你都學過

• 拆個演算法給你看：SVM背後的泰勒公式

• 不要慫！泰勒公式詳解在這裡

直播講師

Slyne  稀牛學院金牌講師

小姐姐群內答疑

▼

PART 2

免費體驗課

《機器學習基礎》

課程大綱

1.機器學習的就業前景

2.Python實戰學習

（附15天學習計劃和趣味專案原始碼）

3.機器學習工程師的實際應用

PART 3

人工智慧學習資料包

▼

6個實戰案例學習資料及程式碼

▼

面試相關問題

▼

程式設計師簡歷模板

▼

數學基礎學習資料

▼

134篇國際經典論文集

領取方式

掃碼即可預約小姐姐直播

獲取所有免費福利

微訊號：netease404

席位有限，先到先得

點選【閱讀原文】，一鍵領取所有福利~