干货 | 找工作的经验总结(一)
点击上方,选择星标或置顶,每天给你送干货!
阅读大概需要6分钟跟随小博主,每天进步一丢丢
编辑:zenRRan 有稍微补充
以下来自冯志师兄的面试许多公司中的笔记总结。分享给大家!
导读
专业素质
- 自然语言处理基本知识
- 机器学习基本知识
- 编程代码能力
面试技巧
- 怎么进行自我介绍
- 项目介绍怎么开始
- 和面试官怎么交流
自然语言处理基本知识
正则化、泛化
正则化的公式?你在什么地方用到正则的? L1、L2正则区别
推荐阅读 :
Dropout
dropout原理是什么, 为什么要用?
推荐阅读 :
过拟合问题
过拟合指的什么? 怎么解决过拟合?
推荐阅读 :
激活函数
常用的有几种,分别用在什么场合?
推荐阅读:
BP反向传播推导
推导公式?
推荐阅读 :
梯度下降和梯度消失
为什么会出现 ? 怎么解决的?
损失函数
你用过什么损失函数? 分别用在什么任务,为什么针对这种任务要用这种损失函数?
推荐阅读:
Word2vec
什么是词向量?,你用过几种词向量,词向量有什么好处
推荐阅读 :
优化算法
Adam 和随机梯度下降的区别?
推荐阅读 :
模型的评价指标
你用过几种评价指标,公式能不能写一写?
推荐阅读 :
SVM推导
请推导一下二分类的SVM的公式?
推荐阅读 :
CRF
常见提问方式, 为什么序列标注要用CRF , CRF有什么好处, 求loss的公式?
推荐阅读 :
attention
attention机制是什么?怎么计算权重和得分,公式 ? soft attention 和 hard attention 的区别
推荐阅读 :
文本分类问题
你做过什么分类?
推荐阅读 :
序列标注问题
TF-IDF算法
Seq2seq
你用过seq2seq框架做过什么任务?如果让你来带头做一个对话系统,你怎么设计和分配你的成员?
推荐阅读 :
数据不平衡问题
怎么解决数据不平衡问题? 以及数据集的划分。。。
推荐阅读 :
机器学习
- 逻辑谛归 \线性回归\逻辑回归 *
- 朴素贝叶斯
- 决策树 *
- HMM,CRF *
- XGBoost
- KNN
- K-Means
- SVM
- 碰到过问我 Boosting、Bagging区别
- RNN、CNN *、LSTM * (原理)、GRU 有问过LSTM和GRU分别适用什么场景,区别?
编程能力
推荐:
剑指offer 、 leetcode 、牛客网 etc.
列举几个:
如何在长度100W找到最小的第K个数? (58)
最长公共子序列 (瓜子)
二分查找
有效的符号 (新浪、猎豹)
二叉树的递归和非递归遍历
基本的数据结构
编程语言
会一种或一种以上(C++、Python、 Java、Scale ..ect)
算法工程师
scikit-learn、torch/TF框架
此外, 个别公司问了数学问题(对角矩阵、求导),这里推荐花书前几页的数学知识,很少,但很充分!
自我介绍
- 自报家门(name 、school、major)
- 个人经历(做过什么)
- 最好谈一下你对对方公司的了解(可以结合你做过的项目)
- 比如你做过汉语言的解释性意见要素识别?对方是马蜂窝
项目介绍
- 项目名 + 项目具体内容。串联一遍(从爬取语料到形成系统的过程)
- 有几个小任务(分类、NER、关系识别、摘要生成 ..etc)突出自己任务的重要性
- 你负责的任务,介绍你的方法实现
- 效果怎么样? 然后怎么进行改进的,然后你又进行设计之后的效果又是怎样?(重点突出你研究思考的过程)
沟通交流
- 真诚!真诚!真诚!
- 区分问题会与不会,避免陷入面试官的问题之中?
- 尽量多于面试官沟通,反复确定面试想问的问题
- 面试官如果不是针对你的专业的问题,可以委婉的让他换问题。
推荐阅读:
最新评论
推荐文章
作者最新文章
你可能感兴趣的文章
Copyright Disclaimer: The copyright of contents (including texts, images, videos and audios) posted above belong to the User who shared or the third-party website which the User shared from. If you found your copyright have been infringed, please send a DMCA takedown notice to [email protected]. For more detail of the source, please click on the button "Read Original Post" below. For other communications, please send to [email protected].
版权声明:以上内容为用户推荐收藏至CareerEngine平台,其内容(含文字、图片、视频、音频等)及知识版权均属用户或用户转发自的第三方网站,如涉嫌侵权,请通知[email protected]进行信息删除。如需查看信息来源,请点击“查看原文”。如需洽谈其它事宜,请联系[email protected]。
版权声明:以上内容为用户推荐收藏至CareerEngine平台,其内容(含文字、图片、视频、音频等)及知识版权均属用户或用户转发自的第三方网站,如涉嫌侵权,请通知[email protected]进行信息删除。如需查看信息来源,请点击“查看原文”。如需洽谈其它事宜,请联系[email protected]。