秋招变夏招, 还没准备好? Datawhale 团队成员 offer 收割机牵头, 带领 14 名成员历时 2 个月, 整理了一份机器学习算法工程师求职面经: Daily-interview. 一份小而美的面经助您备战秋招, 夏天来了, offer 还会远吗?
金三银四的实习求职季已过, 不知道屏幕对面的你有没有收到心仪的 offer 呢? 如果你是 offer 拿到手软的大佬, 不要懈怠, 让优秀在人生长跑中成为一种习惯. 但如果在求职中四处碰壁, 与心仪的企业失之交臂, 也不要整日眉头紧锁, 你需要分析失败原因, 修整心情, 重新出发.
秋招马上要来啦! 你的战甲准备好了吗?
何为战甲
一定有人会问, 面试求职的战甲是什么呢? 小编认为应该是一份属于自己的面经.
牛客网, 知乎等众多网站上包含了数以百万计的面经, 但往往大而散, 面试者在准备面试时候去翻阅不但浪费时间, 翻阅材料越多, 越觉得自己很多知识点都没有掌握, 造成心理上极大的压力, 导致面试中不能发挥正常水平甚至面试失败. 这就和高考前夕是一个道理, 老师会告诫你: 回归基础, 不要再去做难题. 回归基础为了以不变应万变, 不做难题则是心理上的博弈.
那说到回归基础, 每个人的做法又不同. 有的人会拿起课本, 将书中基础概念理论全部过一遍, 没有针对性, 没有侧重点. 这时候就需要看看学霸们是怎么做的了, 学霸会拿起自己的笔记本, 上边全是重点难点易错点, 是针对自己的学习情况总结出来的, 这也是为什么每年状元的笔记本能卖出天价的原因之一吧.
其实, 如果你是位有心人, 那应该有自己的一份面试笔记, 记录求职中常涉及到的知识点和自己做的项目中常被问到的问题. 每次面试之前看一遍, 做到举一反三, 融会贯通, 熟捻于心, 方能在每次面试中汲取经验, 最后从容应对. 我个人就有自己的面试笔记, 每次面试之前都会翻一遍, 边看边想, 但求好运.
但如果之前并没有意识到这一问题也没关系, Datawhale 为你呈现一份小而美的面经. 首先需要明白的是: 这不是一份大而全, 涵盖所有内容的面经, 因为知识在不断更新迭代, 做不到涵盖所有. 同时不提供查漏补缺, 因为每个人的短板不尽相同, 需要面试者根据自己知识体系, 多加思考, 自己完善. 这是一份每一个面试者面试之前必看一遍的小面经, 面试之前花半天时间, 温故而知新. 如果你能根据自己的实际情况进行补充与修正, 那可谓是如虎添翼, 战甲升级了.
战甲现身
接下来看看这件战甲都由什么组成呢? 也就是说这份面经应该怎么使用呢?
面经内容以岗位为划分, 包含机器学习算法工程师, 图像处理算法工程师, 自然语言处理算法工程师三个岗位, 目前只更新了机器学习算法工程师的面试指南, 不过求职图像处理和自然语言处理的小伙伴也可以作为参考.
机器学习算法工程师面经共包含: ML,coding,Big Data,Logic & probability,cs subjects 和 DL 六部分内容, 涵盖计算机学科基础, 逻辑思维, 概率论基础, 大数据, 数据结构, 机器学习及深度学习等知识, 绝对是一份值得借鉴的面经啦.
image
01 Machine Learning
这部分介绍了机器学习常问算法的内容, 包含了以下众多常用算法. 每个子模块里介绍了基本思想后加入了算法十问和面试真题环节.
image
以 Adaboost 为例, 首先介绍集成学习的基本知识
image
然后针对 Adaboost 经常出现的问题总结了: 算法十问
image
最后给出了面试真题, 关于面试真题, 我建议大家将自己面试中遇到的问题加入进来, 形成自己的面经小册子
image
02 Coding
这部分对常考数据结构与算法进行了介绍.
image
针对每一个细分环节, 给出了十个经典题目参考学习, 帮助学习理解. 以 sort 为例, 总结了快排, 堆排, 归并排序, 多路归并排序, 单链表插入排序与单链表归并排序的经典题目供大家学习, 都是面试中常出现的点了, 话不多说, 你懂我意思吧.
03 Big Data
这部分包含了 mapreduce,Technology 与 questions 三部分内容, 介绍了处理海量数据的相关技术和方法, 最后同样给出了面试中经常出现的经典题目供大家参考.
image
04 Logic & probability
这部分内容包含了逻辑题目及概率题目两方面的内容. 这部分也是面试中经常涉及到的题目了, 这种题目没有什么技巧, 只能够按照逻辑一点点分析, 考察的是最基本的思维逻辑, 做这类题目时只能沉心静气, 慢慢分析但也要注意时间的把控.
image
05 CS Subject
这部分包含了计算机的一些基础知识, 涉及操作系统, 计算机网络和数据库等方面的知识, 进程和线程具体是什么, Http 和 Https 的区别等等内容, 用心看上 3 遍, 帮助你从容应对面试官提出的不经意的小问题啦!
[图片上传失败...(image-7f86bd-1558942151411)]
06 Deep Learning
这部分是关于深度学习的内容, 该部分的内容还在更新完善中, 大家可以先学习前边的内容, 然后和小编一起期待后续内容的完善吧.
获取战甲
GitHub 地址:
https://github.com/datawhalechina/Daily-interview
点击阅读原文也可以直接浏览面经内容, 别忘记 star, 关注后续更新内容啊. 除了收下这份面经使用指南外, 还给大家带来了一个激动人心的好消息, 针对这次总结的面经内容, 我们正在筹备组队学习啦, 带领大家一起备战秋招!
最后, 希望每一份努力都有所收获. 即将到来的秋招, 你, 准备好了吗?
贡献人员名单:
总负责人: xiaoran
监督 & 审核人: 吕雪杰, 康兵兵, 程智超, xiaoran, 咖喱
参与人员: 李奇锋, 程钰俊, Summer, 莎莎, 追风者, ZDou, 地山谦, 李文乐, Yvette 明明就
感谢以上小伙伴为这次面经作出的努力~ 同时也欢迎优秀的你, 为开源内容做一份贡献.
image
来源: http://www.jianshu.com/p/95acb41f936f