[[342976]]

機(jī)器學(xué)習(xí)是一門(mén)理論性和實(shí)戰(zhàn)性都比較強(qiáng)的技術(shù)學(xué)科。在應(yīng)聘機(jī)器學(xué)習(xí)相關(guān)工作崗位時(shí)，我們常常會(huì)遇到各種各樣的機(jī)器學(xué)習(xí)問(wèn)題和知識(shí)點(diǎn)。

算法理論基礎(chǔ)不僅包含基本概念、數(shù)學(xué)基礎(chǔ)，也包含了機(jī)器學(xué)習(xí)、深度學(xué)習(xí)相關(guān)。今天給大家推薦一個(gè)不錯(cuò)的算法理論基礎(chǔ)面試題匯總資源，已開(kāi)源~

首先放上這份開(kāi)源面試題匯總的地址：

https://github.com/sladesha/Reflection_Summary

其作者是 SladeSal 和 tcandzq，來(lái)自 2020 屆校招面試各類(lèi)算法問(wèn)題及個(gè)人理解的匯總。目前已經(jīng)收獲 900+ 的贊了~

資源目錄：

• 基礎(chǔ)概念
• 數(shù)學(xué)
• 數(shù)據(jù)預(yù)處理
• 機(jī)器學(xué)習(xí)
• 深度學(xué)習(xí)
• 自然語(yǔ)言處理
• 推薦
• 風(fēng)控
• 評(píng)價(jià)指標(biāo)

下面來(lái)看一下詳細(xì)內(nèi)容，一睹為快！

1. 基礎(chǔ)概念

基礎(chǔ)概念部分包含了 5 個(gè)主題，分別是：方差和偏差、生成與判別模型、先驗(yàn)概率和后驗(yàn)概率、頻率概率、AutoML。每個(gè)主題都包含若干常見(jiàn)、高頻出現(xiàn)的面試題。

例如“如何解釋偏差、方差，模型訓(xùn)練為什么要引入偏差和方差？”

問(wèn)題的解釋都來(lái)自面試題的精煉總結(jié)，不羅嗦，簡(jiǎn)單易懂。

2. 數(shù)學(xué)

數(shù)學(xué)部分包含了 12 個(gè)主題，分別是：數(shù)據(jù)質(zhì)量、最大公約數(shù)問(wèn)題、牛頓法、擬牛頓法、概率密度分布、平面曲線的切線和法線、導(dǎo)數(shù)、微分中值定理、泰勒公式、歐拉公式、矩陣、概率論。

例如，看下關(guān)于泰勒公式的講解：

泰勒公式一句話描述：就是用多項(xiàng)式函數(shù)去逼近光滑函數(shù)。常見(jiàn)的泰勒公式有：

3. 數(shù)據(jù)預(yù)處理

數(shù)據(jù)預(yù)處理部分包含了 5 個(gè)主題，分別是數(shù)據(jù)平衡、異常點(diǎn)處理、缺失值處理、特征選擇、特征提取。數(shù)據(jù)預(yù)處理是機(jī)器學(xué)習(xí)算法的重要組成部分。

例如“為什么需要對(duì)數(shù)據(jù)進(jìn)行變換？”，“歸一化和標(biāo)準(zhǔn)化之間的關(guān)系？”

這部分作者總結(jié)得很詳細(xì)，后面還有展開(kāi)！關(guān)于連續(xù)特征的常用方法，作者引入一張圖進(jìn)行總結(jié)歸納：

4. 機(jī)器學(xué)習(xí)

機(jī)器學(xué)習(xí)部分包含了 9 個(gè)主題，分別是：聚類(lèi)、線性回歸、邏輯回歸、決策樹(shù)、貝葉斯、隨機(jī)森林、集成學(xué)習(xí)、FM/FFM、SVM。這部分內(nèi)容詳實(shí)，核心面試題也總結(jié)得很好。

例如 SVM 面試題非常豐富，涵蓋得比較全面。眾所周知，支持向量機(jī)（Support Vector Machine, SVM）是一類(lèi)按監(jiān)督學(xué)習(xí)方式對(duì)數(shù)據(jù)進(jìn)行二元分類(lèi)的廣義線性分類(lèi)器，其決策邊界是對(duì)學(xué)習(xí)樣本求解的最大邊距超平面。

關(guān)于KKT限制條件，KKT條件有哪些、引入拉格朗日的優(yōu)化方法后的損失函數(shù)解釋、核函數(shù)的作用是啥、核函數(shù)的種類(lèi)和應(yīng)用場(chǎng)景作者都有詳細(xì)解釋。

5. 深度學(xué)習(xí)

深度學(xué)習(xí)部分包含了 8 個(gè)主題，分別是：dropout、batch_normalization、bp過(guò)程、embedding、softmax、梯度消失/爆炸、殘差網(wǎng)絡(luò)、Attention。

例如“殘差網(wǎng)絡(luò)為什么能解決梯度消失的問(wèn)題？”

6. 自然語(yǔ)言處理

自然語(yǔ)言處理部分包含了 8 個(gè)主題，分別是：GloVe、WordsVec、CRF、LDA、LSTM、GRU、Bert、文本相似度計(jì)算。

例如“word2vec和glove區(qū)別？”

7. 推薦

推薦部分包含 8 個(gè)主題，分別是：DIN、DeepFM、YoutubeNet、Wide&Deep、MLR、Neural Network全家桶、XDeepFM、Recall。

8. 風(fēng)控

風(fēng)控部分包含了 2 個(gè)主題，分別是：孤立森林和評(píng)分卡。

9. 評(píng)價(jià)指標(biāo)

評(píng)價(jià)指標(biāo)包含了 5 個(gè)主題，分別是：二分類(lèi)、多分類(lèi)、回歸指標(biāo)、聚類(lèi)指標(biāo)、排序指標(biāo)。

總的來(lái)說(shuō)，這是一份不錯(cuò)的算法理論基礎(chǔ)面試資源，作者對(duì)常見(jiàn)的大廠面試題做了較好的歸納和總結(jié)。幫助大家對(duì)這些知識(shí)點(diǎn)進(jìn)行梳理和理解，以便能夠更好地應(yīng)對(duì)機(jī)器學(xué)習(xí)筆試包括面試。

目前該項(xiàng)目應(yīng)該還在補(bǔ)充完善。

最后，再次放上該資源的 GitHub 開(kāi)源地址：