知乎算法面经秘籍
《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,比如本文的知乎面经。
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。
知乎面经整理:江大白
1 知乎面经汇总资料
1.1 面经汇总参考资料
① 参考资料:
(1)牛客网:知乎面经-5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 知乎面试心得汇总
★ 感觉问得不是很深,会考算法题和概率题
2 知乎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
2.4.1 模型评价
● 精确率,召回率的原理?
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
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)
● boosting和bagging的区别?bagging为什么能减小方差?
② 逻辑回归LR
● LR的损失函数?
③ SVM
● SVM损失函数?
④ 决策树(DT)
● 决策树分裂准则?
● 信息熵与信息增益公式推导?
2.5.2 手推算法及代码
● 手推LR
2.6 深度学习&机器学习面经通用知识点
2.6.1 损失函数方面
● 交叉熵损失函数,0-1分类的交叉熵损失函数的?
● 0-1分类如果用平方损失为什么用交叉熵而不是平方损失?
3 知乎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
3.2.1 自然语言处理NLP
● Word2vec的原理简单介绍下?
● word2vec里面的层次索引?
3.3 强化学习
无
3.4 机器学习方面
3.4.1 推荐系统
● DeepFM介绍下?
● FM推导?
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
● 数组排序,假设数组排序后的位次和排序前的位次绝对值差值小于K,有什么比快排好的算法?
● 一个数组,所有数组都出现了两次,只有一个数出现了一次,返回这个数?
● 一个数组,一个数出现了超过一半次数,返回这个数?
4.1.1.2 链表
● 链表转换 (abcde -> aebdc)
● 两个单链表,找出相同值的位置?
4.1.1.3 字符串
● 不占用额外空间去除字符串中的空格O(1)写法 ?
● 将除法的结果用字符串返回,如果能够除尽,则返回相除的结果,如果不能除尽,则无限循环部分用[]标记。-参考:https://www.jianshu.com/p/40259bb05357
4.1.2 树
● 树中两个节点的第一个的公共祖先?
4.2 算法思想实战及智力题
无
4.3 其他方面
4.3.1 数论
● 什么是凸函数?
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
● python里的gc和多线程说一下?
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 技术&产品&开放性问题
无
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。