2015年機器學習/資料挖掘面試總結

                                    2015年機器學習/資料挖掘面試總結

       明年碩士畢業，今年開始找工作。在北方呆的太久，想回濕潤的南方。

       第一站（3月份），阿裡資料挖掘實習生面試。個人覺得，阿裡的面試是最人性化的，幾乎不需要提前準備什麼。不需要刷題，不需要死記硬背一些概念。他們看重的是你的項目經曆和解決實際問題的能力。每一場面試都不難，但是面試的次數是我所知道的公司中最多的。面試的題目有：

1）自我介紹。突出自己的特色就好，廢話少說。

2）項目經曆。先簡述，後詳述。一般要描述這個項目的背景，需求，你是怎麼做的，結果如何。然後，面試官就會問與其他人相比，你的創新在哪兒，你遇到過哪些坑，你覺得還可以往哪方面改進。如果你是和别人合作的項目，面試官還會問你們是怎樣分工的。

3）協同過濾主要有哪些？基于物品的和基于使用者的。

4）一道組合數學題。10盞燈，滅三盞，兩頭的必須亮着，不能滅掉相鄰的兩盞燈，問組合數？C(6,3) = 20 。

5）PCA有什麼用？降維。

       第二站（7月8日），百度商業搜尋部門面試。這是我最不堪回首的面試經曆。面試官和我的交流很少，沉默寡言，說話很直接。面試結束後，我自我感覺還算良好，問他覺得我怎麼樣，他很直接地說，很差。我心碎了一地，默默地告訴自己失敗是成功之母，然後回去梳理知識。面試題目有：

1）反轉連結清單。一上來就要求在紙上寫代碼，要求是反轉連結清單。好簡單的一道題！我說有遞歸和非遞歸解法，先寫了遞歸，然後寫了非遞歸算法，檢查三遍，沒問題，很開心的交卷。結果因為第一次在紙上寫代碼，寫的可謂是龍飛鳳舞，被面試官狠狠的鄙視了，說我的代碼寫得太醜了。回去後，我在電腦上又寫了一遍，感覺也不是很醜啊。http://blog.csdn.net/u011300443/article/details/46804339

2）排列數的生成算法。http://blog.csdn.net/u011300443/article/details/46884681

3）項目經曆。他問我用過哪些模型，我說用過GBDT，RF，LR，SVM。然後他接着問SVM原理是什麼，SVM核函數的作用。SVM是在給定的資料集上找一個超平面，使得支援向量（超平面兩邊距離超平面最近的點）到超平面的距離最大。SVM通過引入核函數，巧妙地解決了在高維空間中的内積運算，進而很好地解決了非線性分類問題。

        第三站（7月31日），百度大資料研發部門面試。第一面有兩個面試官，第二面的面試官很拽的感覺。面試題目有：

1）最長公共子序列。我一不留神寫成求編輯距離的算法了。

2）字元串轉整數。

3）哈夫曼編碼。給出每個詞的頻率，為每個詞的編碼，使得平均編碼長度最短。

4）虛函數機制。

       第四站（8月19日），京東面試。面試題目有：

1）設計O(n)空間複雜度的均值平滑算法。

2）最大連續乘積子串。用動态規劃求解。

       第五站（8月20日），百度網絡搜尋部門面試。面試官平易近人，交流起來很舒心。經常聊着聊着，就開始興奮起來，感覺不像是一場面試，更像是一次朋友的交談。末了，我還問面試官怎麼看待公司喜歡招“熟練工”的問題？他說他們部門更看重項目經曆和思維能力，他們部門的員工更像藝術家，而非工程師。面試題目有：

1）給你54張撲克牌，判斷是否是順子。Hash算法。

       第六站（8月27日），阿裡搜尋部面試。阿裡的面試官真的很nice，很有耐心。8月26号，我手機快沒電了而且靜音了。8月27号早上，面試官給我打電話，因為手機靜音是以沒聽到，結果打了幾次後，把我手機打沒電了。粗心的我一直沒意識到手機沒電了，直到下午5點給手機充電時才發現面試官給我的短信。我趕緊回了過去，約在晚上7點半面試。面試官有了早上的經驗，提前半小時（7點）開始打我電話，我又沒收到，後來發現是忘記取消手機靜音了。我還收到面試官發過來的一條略帶調侃的短信“又打不通了哦”，一個“哦”字讓我的心略略安穩了一些。後來，我打電話給他，他還說以為是我的手機出了問題，然後主動和我聊起了我名字的含義，緩解了我緊張的情緒，才開始進入正題。面試題目有：

1）說一下随機森林的執行過程。

2）基尼指數和資訊增益的差別。

3）GBDT和RF的優缺點。

4）他：你有什麼想問我的？

我：你們是不是核心部門？

他：當然是的。為什麼想去核心部門？

我：我喜歡做有挑戰性的工作。

他：如果你能把非核心部門變成核心部門，不是更有挑戰性嗎？

我：有道理。

————————————————————————————————————

以下，是小猴子遇到的騰訊面試題，非常感謝他的無私奉獻。:)

騰訊面試

1）有25匹馬 ，5個跑道，一次隻能比5匹馬，得到跑得最快的前3，至少需要比幾次？

答：7次。

2）一個檔案中包含超大的N個數，求最大的K個數？

答：最小堆，時間複雜度為N log k 。

3）一個資料流中，如何采樣得到100個數，保證采樣得到的100個數是随機的？

答：蓄水池抽樣算法。

4）如何解決特征共線性的問題？

答：可以利用PCA，特征降維，去除備援特征和噪聲特征。

5）為什麼RF和GBRT比LR效果好？

答：混合模型的優勢，分别是bagging和boosting的思想，LR畢竟是單模型，而且特征不保證與label是線性的，需要特征轉換和拟合。

6）LR正則化L1和L2的差別？

答：L1正則化産生稀疏解，将不相關特征對應的權重設為0，去除不相關特征，進行特征選擇，L2正則化進行特征權重衰減。L1正則是拉普拉斯先驗，L2正則是高斯先驗。兩者都能達到防止過拟合，增加模型的泛化能力的目的。

————————————————————————————————————

      找工作和找對象差不多，都是雙向選擇。被拒不代表你不好，也許是因為你們彼此不适合。找一份最适合你的工作，找一個最适合你的伴侶，人生就很美滿了。