暑期即将告一段落，我暑期算法工程师实习也顺利结束了。在面试过程中面过不少公司，大多数都为技术面试。我总结了我所有遇到过的面试题供大家参考。面试职位大多数都是机器学习方向的算法工程师，绝大多数知识点都是和ML相关的。

机器学习相关（包括NLP，CV和推荐）：

• 基础知识
  • 关于项目的问题，所有公司都会问，要对写在简历上的项目非常熟悉
  • xgboost，random forest，lightGBM的区别
  • 假设Random Forest有无穷个树，那么每个树的深度是越深越好还是越浅越好
  • 走一遍GBDT算法的流程
  • L1/L2正规区别，为什么L1比L2稀疏
  • bagging和boosting的区别，bagging降低方差（variance）还是偏差（bias）
  • xgboost怎么优化，叶子几点分裂准则，损失函数，正则
  • Logistic regression公式推导，sigmoid和softmax区别
  • Logistic regression怎么进行多分类（1v1，1 over rest）
  • Logistic regression怎么拟合非线性模型，为什么可以用kernel trick？
  • svm怎么处理非线性数据（kernel trick）以及和logistic regression的区别，loss推导
  • precision，recall和F1-score区别
  • AUC的解释
• NLP相关
  • 对于word2vec模型和word embedding的理解，有没有自己训练过word2vec模型？
  • NLP里面的negative sampling是什么
  • 计算词向量的相似度有哪些方法
  • 解释一下N-gram, Bag-of-words(CBOW, Skip-gram)模型
  • 简单说一下LSTM和GRU的区别
  • LSTM真的可以解决梯度爆炸/消失的问题吗
  • 介绍一下Transformer，attention机制，以及它和传统RNN的区别及优势
• CV相关
  • 简单说一下ResNet的bottleneck结构以及该模型是怎么解决的梯度爆炸的问题（short cut connection 推导）
  • ResNet真的可以解决网络退化的问题吗
  • 说一下Vision Transformer的结构，对于其他运用在视觉领域上的transformer based模型还有了解吗
  • 1*1的卷积核有什么用
  • 为什么两个33卷积的视野和一个55卷积的视野一样
  • 池化层的反传播，以及平均池化和最大池化的区别
  • 激活函数都有哪些？简单介绍，为什么要用非线性激活函数？
  • Batch Normalization的作用，以及它和Layer Normalization的区别
  • 数据归一化的作用，处理imbalanced data的方法
  • 什么是过拟合和欠拟合，具体说一说在训练小样本量模型时防止过拟合的方法
  • CNN为什么适用于图像分类
  • 神经网络常见的激活函数有哪些
  • categorical crossentropy，binary crossentropy公式
  • Yolo模型里面的anchor的作用
  • Yolov5, v4, v3 的区别有哪些，了解FPN吗
  • 了解Focal loss吗，说一下intuition
  • 有没有遇到过模型不收敛的情况，可能是什么原因，以及是怎么解决的
  • 图像处理方面：bilinear interpolation和trilinear interpolation，高通低通滤波
• 推荐相关
  • 推荐算法UCB应用场景及reward公式
  • UCB存在的问题
  • LinUCB 算法思路及reward公式
  • 运用场景题：欧洲杯比赛日夜宵该怎么推荐？根据什么？用什么算法？

编程相关：

• 二叉树层序历遍 （队列）
• 最大子序和（动规）
• 糖豆人（动规）
• 接雨水（双指针）
• 和为k的子数组 （前缀和）
• Leetcode 994 （DFS）
• 前K个高频元素 （堆）

数学题：

• 一根不规则的绳子烧完要一小时整，问怎么用这跟绳子测量半小时的时间
• 岛上有m个男人和m个女人，一个男人和一个女人配对，共m对。假设每一对（i,1<=i<=m）都会繁衍后代。对于第i对，如果生到男孩，就停止；如果生到女孩，就接着生直到生到男孩为止。问经过n轮迭代，岛上男女总比例（包括生出来的男孩和女孩）

其他：

• 对Hadoop有了解吗
• 简单说一下Spark RDD是什么
• Spark MLlib