AI面试题

 

AI面试常见那些事儿

 

搞定这些，就迈入了半个大厂。

 

我面的是不限方向的「机器学习研究员」，在前一阵子面试的过程，我把一些常见问题汇总了，如果这些能掌握，基本90%的通过率没跑了！

 

1.训练决策树时的参数是什么？

2.在决策树的节点处分割的标准是什么？

3.基尼系数的公式是什么？

4.熵的公式是什么？

5.决策树如何决定在哪个特征处分割？

6.你如何用数学计算收集来的信息？你确定吗？

7.随机森林的优点有哪些？

8.介绍一下boosting算法。

9.gradient boosting如何工作？

10.关于AdaBoost算法，你了解多少？它如何工作？

11.SVM中用到了哪些核？SVM中的优化技术有哪些？

12.SVM如何学习超平面？用数学方法详细解释一下。

13.介绍一下无监督学习，算法有哪些？

14.在K-Means聚类算法中，如何定义K？

15.告诉我至少3中定义K的方法。

 

看完后，大家感觉难易度如何？基本上，搞定这些技术题目，你就可以申请国内大公司，乃至硅谷公司的技术面试了！在整个求职过程中，我大概与20位+位专业人士有过交谈，以下为经验之谈：

 

• 展示自己很重要，简历很重要。一定要体现自己参与过的项目，学习过的课程证书，参加的活动，发表过的论文等，这些都是加分项。

• 如果你是这一领域的新人，在创建简历时可以从自己做过的项目开始，或者GitHub账号也是很有说服力的。除此之外，可以多参加Kaggle竞赛和多参加学习。

• 学会谦虚，注意倾听面试官的意见。有的时候，R和Python的使用者会互相鄙视，最好不要这样，不然很可能挂掉。

 

没那么难，4步掌握AI

 

如果想0基础进阶人工智能，则只需攻克这个4座大山即可：

 

你需要学习一门编程语言：

 

这里我推荐Python —— 人工智能主要开发语言。最关键的是对小白也非常友好，简单易学。

 

你需要“掌握“数学知识：

 

数学基础，大概是吓退大部分人的纸老虎，从微积分到线性代数，我们的确要了解数学原理。别怕，人工智能数学部分的核心是要会用代码去实现。

 

你需要理解算法：深度学习（神经网络）：

 

当你用了代码能力和数学基础，下一步则是理解人工智能的核心算法 ——深度学习，让计算机拥有“智能”。

 

你需要发动技能，用实践证明：

 

在翻越前几座大山之后，你已经体系化地掌握了AI的基本技能，接下来就是需要实践来理解实际工作的痛点问题。