面試機器學習、大資料崗位時遇到的各種問題
自己的專業方向是機器學習、資料探勘，就業意向是網際網路行業與本專業相關的工作崗位。各個企業對這類崗位的命名可能有所不同，比如資料探勘/自然語言處理/機器學習演算法工程師，或簡稱演算法工程師，還有的稱為搜尋/推薦演算法工程師，甚至有的併入後臺工程師的範疇，視崗位具體要求而定。
機器學習、大資料相關崗位的職責
自己參與面試的提供演算法崗位的公司有 BAT、小米、360、飛維美地、宜信、猿題庫 等，根據業務的不同，崗位職責大概分為：
-
平臺搭建類
資料計算平臺搭建，基礎演算法實現，當然，要求支援大樣本量、高維度資料，所以可能還需要底層開發、平行計算、分散式計算等方面的知識；
-
演算法研究類
文字挖掘
，如領域知識圖譜構建、垃圾簡訊過濾等；推薦，廣告推薦、APP 推薦、題目推薦、新聞推薦等；
排序，搜尋結果排序、廣告排序等；
廣告投放效果分析；
網際網路信用評價；
影象識別、理解。
-
資料探勘類
商業智慧，如統計報表；
使用者體驗分析，預測流失使用者。
以上是根據本人求職季有限的接觸所做的總結。有的應用方向比較成熟，業界有足夠的技術積累，比如搜尋、推薦，也有的方向還有很多開放性問題等待探索，比如網際網路金融、網際網路教育。在面試的過程中，一方面要盡力向企業展現自己的能力，另一方面也是在增進對行業發展現狀與未來趨勢的理解，特別是可以從一些剛起步的企業和團隊那裡，瞭解到一些有價值的一手問題
以下首先介紹面試中遇到的一些真實問題，然後談一談答題和麵試準備上的建議。
面試問題
你在研究/專案/實習經歷中主要用過哪些機器學習/資料探勘的演算法？
你熟悉的機器學習/資料探勘演算法主要有哪些？
你用過哪些機器學習/資料探勘工具或框架？
-
基礎知識
無監督和有監督演算法的區別？
SVM 的推導，特性？多分類怎麼處理？
LR 的推導，特性？
決策樹的特性？
SVM、LR、決策樹的對比？
GBDT 和 決策森林 的區別？
如何判斷函式凸或非凸？
解釋對偶的概念。
如何進行特徵選擇？
為什麼會產生過擬合，有哪些方法可以預防或克服過擬合？
介紹卷積神經網路，和 DBN 有什麼區別？
採用 EM 演算法求解的模型有哪些，為什麼不用牛頓法或梯度下降法？
用 EM 演算法推導解釋 Kmeans。
用過哪些聚類演算法，解釋密度聚類演算法。
聚類演算法中的距離度量有哪些？
如何進行實體識別？
解釋貝葉斯公式和樸素貝葉斯分類。
寫一個 Hadoop 版本的 wordcount。
……
-
開放問題
給你公司內部群組的聊天記錄，怎樣區分出主管和員工？
如何評估網站內容的真實性（針對代刷、作弊類）？
深度學習在推薦系統上可能有怎樣的發揮？
路段平均車速反映了路況，在道路上布控採集車輛速度，如何對路況做出合理估計？採集資料中的異常值如何處理？
如何根據語料計算兩個詞詞義的相似度？
在百度貼吧裡釋出 APP 廣告，問推薦策略？
如何判斷自己實現的 LR、Kmeans 演算法是否正確？
100億數字，怎麼統計前100大的？
……
答題思路
-
用過什麼演算法？
最好是在專案/實習的大資料場景裡用過，比如推薦裡用過 CF、LR，分類裡用過 SVM、GBDT；
一般用法是什麼，是不是自己實現的，有什麼比較知名的實現，使用過程中踩過哪些坑；
優缺點分析。
-
熟悉的演算法有哪些？
基礎演算法要多說，其它演算法要挑熟悉程度高的說，不光列舉演算法，也適當說說應用場合；
面試官和你的研究方向可能不匹配，不過在基礎演算法上你們還是有很多共同語言的，你說得太高大上可能效果並不好，一方面面試官還是要問基礎的，另一方面一旦面試官突發奇想讓你給他講解高大上的內容，而你只是泛泛的瞭解，那就傻叉了。
-
用過哪些框架/演算法包？
主流的分散式框架如 Hadoop，Spark，Graphlab，Parameter Server 等擇一或多使用瞭解；
通用演算法包，如 mahout，scikit，weka 等；
專用演算法包，如 opencv，theano，torch7，ICTCLAS 等。
-
基礎知識
對知識進行結構化整理，比如撰寫自己的 cheet sheet，我覺得面試是在有限時間內向面試官輸出自己知識的過程，如果僅僅是在面試現場才開始調動知識、組織表達，總還是不如系統的梳理準備；
從面試官的角度多問自己一些問題，通過查詢資料總結出全面的解答，比如如何預防或克服過擬合。
產生背景，適用場合（資料規模，特徵維度，是否有 Online 演算法，離散/連續特徵處理等角度）；
原理推導（最大間隔，軟間隔，對偶）；
求解方法（隨機梯度下降、擬牛頓法等優化演算法）；
優缺點，相關改進；
和其他基本方法的對比；
個人感覺高頻話題是 SVM、LR、決策樹（決策森林）和聚類演算法，要重點準備；
演算法要從以下幾個方面來掌握:
產生背景，適用場合（資料規模，特徵維度，是否有 Online 演算法，離散/連續特徵處理等角度）；
原理推導（最大間隔，軟間隔，對偶）；
求解方法（隨機梯度下降、擬牛頓法等優化演算法）；
優缺點，相關改進；
和其他基本方法的對比；
不能停留在能看懂的程度，還要:
對知識進行結構化整理，比如撰寫自己的 cheet sheet，我覺得面試是在有限時間內向面試官輸出自己知識的過程，如果僅僅是在面試現場才開始調動知識、組織表達，總還是不如系統的梳理準備；
從面試官的角度多問自己一些問題，通過查詢資料總結出全面的解答，比如如何預防或克服過擬合。
-
開放問題
由於問題具有綜合性和開放性，所以不僅僅考察對演算法的瞭解，還需要足夠的實戰經驗作基礎；
先不要考慮完善性或可實現性，調動你的一切知識儲備和經驗儲備去設計，有多少說多少，想到什麼說什麼，方案都是在你和麵試官討論的過程裡逐步完善的，不過面試官有兩種風格：引導你思考考慮不周之處 or 指責你沒有考慮到某些情況，遇到後者的話還請注意靈活調整答題策略;
和同學朋友開展討論，可以從上一節列出的問題開始。
準備建議
-
基礎演算法複習兩條線
-
材料閱讀包括經典教材（比如 PRML，模式分類）、網上系列部落格，系統梳理基礎演算法知識； -
面試反饋面試過程中會讓你發現自己的薄弱環節和知識盲區，把這些問題記錄下來，在下一次面試前搞懂搞透。
-
-
除演算法知識，還應適當掌握一些系統架構方面的知識，可以從網上分享的阿里、京東、新浪微博等的架構介紹 PPT 入手，也可以從 Hadoop、Spark 等的設計實現切入。
-
如果真的是以就業為導向就要在平時注意實戰經驗的積累，在科研專案、實習、比賽（Kaggle，阿里大資料競賽等）中摸清演算法特性、熟悉相關工具與模組的使用。
總結
如今，好多機器學習、資料探勘的知識都逐漸成為常識，要想在競爭中脫穎而出，就必須做到
保持學習熱情，關心熱點；
深入學習，會用，也要理解；
在實戰中歷練總結；
積極參加學術界、業界的講座分享，向牛人學習，與他人討論。