ML算法工程师面试指南,完整的面试知识点、编程题及题解

ML算法工程师面试指南,完整的面试知识点、编程题及题解春季到来，春招不久也会开始。在本项目中，作者为大家准备了ML 算法工程师面试指南，它提供了完整的面试知识点、编程题及题解、各科技公司的面试题锦等内容。目前该GitHub 项目已经有1 万+的收藏量，想要跳一跳的同学快来试试吧。

项目地址：https://github/imhuay/Algorithm_Interview_Notes-Chinese

如下所示为整个项目的结构，其中从机器学习到数学主要提供的是笔记与面试知识点，读者可回顾整体的知识架构。后面从算法到笔试面经主要提供的是问题及解答方案，根据它们可以提升整体的解题水平与编程技巧。

面试知识点

面试题多种多样，但机器学习知识就那么多，那么为了春招或春季跳槽，何不过一遍ML 核心知识点？在这个GitHub 项目中，作者前一部分主要介绍了机器学习及各子领域的知识点。其中每一个知识点都只提供最核心的概念，如果读者遇到不熟悉的算法或者遇到知识漏洞，可以进一步阅读相关文献。

项目主要从机器学习、深度学习、自然语言处理和数学等方面提供详细的知识点，因为作者比较关注NLP，所以并没有提供详细的计算机视觉笔记。

机器学习

首先对于机器学习，项目主要从基础概念、基本实践、基本算法和集成学习专题这四个方面概括ML 的总体情况。其中基础概念可能是最基本的面试问题，例如「偏差方差怎么权衡？」、「生成模型和判别模型的差别是什么？」、「先验和后验概率都是什么，它们能转换吗？」。

这些知识点一般是入门者都需要了解的，而对于ML 基本实践，主要会从如何做好传统ML 开发流程的角度提问。例如「你如何选择超参数，能介绍一些超参数的基本搜索方法吗？」、「混淆矩阵、准确率、精确率、召回率或F1 值都是什么，如何使用它们度量模型的好坏？」、「你能介绍数据清洗和数据预处理的主要流程吗，举个例子？」。