互联网公司数据分析/挖掘面试机器学习面到的题目
2017-04-23 15:32
701 查看
1、LR原理及公式推导,有哪些优化方法,梯度下降,牛顿法以及各种变种,L1、L2范数的区别,优缺点。
2、GBDT、XGBOOST原理异同,如何并行化等等(最好去xgboost官方看原始论文,讲得很清楚)随机森林原理及细节。
3、如何解决数据不均衡问题。SVM原理及细节,SVM和树模型的异同以及优缺点和局限性。
4、推荐系统,协同过滤原理,基于用户、物品等等。深度学习中的一些小问题,比如relu是什么,如何解决梯度消失等等,这个最好了解下,毕竟深度学习这么火。
5项目经历项目这块,无论是数据挖掘竞赛还是一些项目,一定要自己把整个过程梳理一下,切记一问项目就是 ”提特征,跑模型,拿第一“,需要把项目的亮点体现出来,说白了就是你这个项目为什么牛逼,你做出了哪些厉害的贡献,这个需要技巧和准备。
2、GBDT、XGBOOST原理异同,如何并行化等等(最好去xgboost官方看原始论文,讲得很清楚)随机森林原理及细节。
3、如何解决数据不均衡问题。SVM原理及细节,SVM和树模型的异同以及优缺点和局限性。
4、推荐系统,协同过滤原理,基于用户、物品等等。深度学习中的一些小问题,比如relu是什么,如何解决梯度消失等等,这个最好了解下,毕竟深度学习这么火。
5项目经历项目这块,无论是数据挖掘竞赛还是一些项目,一定要自己把整个过程梳理一下,切记一问项目就是 ”提特征,跑模型,拿第一“,需要把项目的亮点体现出来,说白了就是你这个项目为什么牛逼,你做出了哪些厉害的贡献,这个需要技巧和准备。
相关文章推荐
- 北美18名校的数据挖掘,数据分析,人工智能及机器学习课程汇总
- 北美18名校的数据挖掘,数据分析,人工智能及机器学习课程汇总
- 北美18名校的数据挖掘,数据分析,人工智能及机器学习课程汇总
- 北美18名校的数据挖掘,数据分析,人工智能及机器学习课程汇总
- 数据挖掘、数据分析、人工智能及机器学习课程资源
- 北美18名校的数据挖掘,数据分析,人工智能及机器学习课程汇总
- 北美18名校的数据挖掘,数据分析,人工智能及机器学习课程汇总
- [人工智能]北美18名校的数据挖掘,数据分析,人工智能及机器学习课程汇总
- 北美+德国18名校的数据挖掘、数据分析、人工智能及机器学习课程资源汇总
- 北美+德国18名校的数据挖掘、数据分析、人工智能及机器学习课程资源汇总
- 北美18名校的数据挖掘,数据分析,人工智能及机器学习课程汇总
- 北美18名校的数据挖掘,数据分析,人工智能及机器学习课程汇总
- 北美18名校的数据挖掘,数据分析,人工智能及机器学习课程汇总
- 北美18名校的数据挖掘,数据分析,人工智能及机器学习课程汇总
- 北美18名校的数据挖掘,数据分析,人工智能及机器学习课程汇总
- 北美18名校的数据挖掘,数据分析,人工智能及机器学习课程汇总
- [数据挖掘与机器学习] 常见面试之机器学习算法思想简单梳理
- [数据挖掘与机器学习] 十张图解释机器学习的基本概念(转自IT面试论坛)
- 北美18名校的数据挖掘,数据分析,人工智能及机器学习课程汇总
- 数据挖掘、数据分析、人工智能及机器学习课程资源