Keep算法面经秘籍
《AI未来星球》陪伴成长的人工智能社群,价值过万的各种内部资源及活动,限时特惠中,点击查看。
求职跳槽福利:为了便于大家求职、跳槽的准备,大白将45家大厂的面经,按照知识框架,整理成700多页的《人工智能算法岗江湖武林秘籍》,限时开放下载,点击查看下载。
面经整理历程:经过一年多的努力,大白整理了超过3500篇,各类大厂的算法面经资料。
并将涉及到的知识点,按照知识框架,分类汇总,每个公司整理成一篇,比如本文的Keep面经。
大家对照面经,可以了解心仪的公司,会根据你的简历,问哪些知识点?便于大家对掌握的知识,进行回顾梳理。
希望为大家在求职或者跳槽的道路上,提供一些帮助,为大家取得心仪的offer助力。
面经整理心得:大白也将整理所有面经的心得,写成了一篇文章,点击查看心得。
其他大厂面经:国内其他大厂的面经汇总,点击查看目录。
Keep面经整理:江大白
1 Keep面经汇总资料
1.1 面经汇总参考资料
① 参考资料:
(1)牛客网:Keep面经-7篇,网页链接
(2)知乎面经:点击进入查看
(3)面试圈:点击进入查看
② 面经框架及参考答案:
(1)面经知识框架:点击进入查看
(2)面经参考答案:点击进入查看
1.2 面经涉及招聘岗位
(1)全职岗位类
【机器学习算法工程师】
1.3 面试流程时间安排
PS:以上流程为大白总结归纳所得,以供参考。
1.4 Keep面经整理心得
★ 算法岗好像没有图像方向的,未来可能会成立
★ 面试时不会问很多开放性的问题
2 Keep面经涉及基础知识点
2.1 图像处理基础
无
2.2 深度学习:CNN卷积神经网络方面
无
2.3 深度学习:RNN递归神经网络方面
无
2.4 深度学习:CNN&RNN通用的问题
无
2.5 传统机器学习方面
2.5.1 讲解相关原理
2.5.1.1 数据准备
无
2.5.1.2 特征工程
① 特征降维
无
② 特征选择
无
2.5.1.3 有监督学习-分类和回归方面
① 分类回归树(集成学习)
● GBDT的原理,流程 ,时间复杂度?
● GBDT拟合负梯度,为什么拟合负梯度?
● T棵树,H高度,N样本,P特征,GBDT训练的时间复杂度
② 逻辑回归LR
● LR的损失函数?
● LR是不是凸函数,为什么?
③ SVM
● SVM的相关原理,比如损失函数,knn的求距离方法?
● SVM的损失函数?
2.6 深度学习&机器学习面经通用知识点
2.6.1 网络优化梯度下降方面
● 梯度下降法的效率和什么有关?
2.6.2 其他方面
● 梯度消失,梯度爆炸怎么解决?
3 Keep面经涉及项目知识点
3.1 深度学习:CNN卷积神经网络方面
无
3.2 深度学习:RNN递归神经网络方面
无
3.3 强化学习
无
3.4 机器学习方面
无
4 数据结构与算法分析相关知识点
4.1 数据结构与算法分析
4.1.1 线性表
4.1.1.1 数组
● 求连续数组最大和?
4.1.1.2 链表
● 两个有序链表合并,N个呢?
4.1.1.3 字符串
● 两个字符串找最长公共子串?
● 比如12345,45123两个字符串,判断str2能否顺时针旋转变成str1,要求时间复杂度o(n),空间复杂度o(n)
4.1.2 排序
● 介绍一下快排?
● 排序算法有哪些?
4.1.3 搜索
● 使用python对图的bfs,dfs实现?
4.2 算法思想实战及智力题
4.2.1 算法思想实战
● 比如12345,45123两个字符串,判断str2能否顺时针旋转变成str1,要求时间复杂度o(n),空间复杂度o(n) ?
● 图的bfs,dfs实现
4.3 其他方面
4.3.1 矩阵运算
● 矩阵中最长的连续1的个数?
● 矩阵(0,0)到右下的最短路径?
4.4 Leetcode&剑指offer原题
无
5 编程高频问题:Python&C/C++方面
5.1 python方面
无
5.2 C/C++方面
无
6 操作系统高频问题:数据库&线程&常用命令等
6.1 数据库方面
无
6.2 操作系统方面
无
7 开放性问题&场景问题
7.1 产品方面
● 你觉得Keep哪里能用到图像算法?
本文由 大白智能 作者:凯哲 发表,其版权均为 大白智能 所有,文章内容系作者个人观点,不代表 大白智能 对观点赞同或支持。如需转载,请注明文章来源。