算法岗面经传送门

科大讯飞笔试题 -- 算法岗

总体来说，笔试题不难，考得都非常基础。分为两个部分：选择题和编程题。

选择题涉及了python语言编程、SQL、传统图像处理方法、机器学习基础知识等等。

1. 滤波知识：均值滤波、中值滤波、维纳滤波
2. CRF 编程题基本上也很简单，类似于解数学题。 3、生成模型和判别模型 给N组数据，每一组数据包含：第一行输入学生人数和平均分，第二行输入学生得分数 为了达到老师期望的平均分，输出最少改动的学生人数。

总结：要把基本的机器学习知识知道个大概和同时多刷题

CVTE***研究院 算法岗

2019-2-26 突然接到面试，和小哥哥商量之后，下午4点面试，人还算nice。可是，还是觉得推面试时间，不是一个好的印象。问了很多个问题，考察了很多方面，比如你对前沿研究方向的把握、论文阅读能力等等。 看了网上说，会问道传统的图像处理，我准备了好一会，竟然木有问。

唉，临时抱了一下佛脚，看了一下面经，觉得不懂的自己又刷了一下 凭记忆列下这些问题

1、一开始面试官 看我写了一个行人重识别的项目，以为我对这个方面有深究。emmm我说我是做医学图像分类的。 然后问了一个 我对行人重识别的损失函数了解多少，我说三元组损失，让我解释，没解释出来。三元组损失是一个固定，剩下两个用来正样本的损失函数和负样本的损失函数。

1、问题：python数据类型中，不可变的有哪些，可变的有哪些

答：不可变的是元组，可变的是字典、列表

2、偏差、方差区别

3、模型比较复杂的时候，偏差和方差的变化：偏差变小，方差变大

4、1*1 卷积的作用：（我没有答出来） 面试官 补充到：主要是起到降维或者是获取到更多特征的作用

5、数据不平衡的时候的处理方法，比如说正样本多

6、数据增强的方法

https://blog.csdn.net/shenxiaoming77/article/details/72616333

1. 采样 上采样和下采样 上采样是把小众类复制多份，下采样是从大众类中剔除一些样本，或者说只从大众类中选取部分样本
2. 数据合成 用已有样本生成更多样本，这类方法在小数据场景下有很多成功案例
3. 加权 boosting

7、模型过拟合了怎么办：数据增强、修改模型、L1和L2正则化

8、KNN和K-means

9、L1和L2正则化的区别 L1趋向于产生少量的特征，其他特征为0，因为最优参数很大概率出现在坐标轴上，导致某一维的权重为0，产生稀疏矩阵。 L2趋向于选择更多的特征，这些特征会接近于0，最优的参数值很小概率出现在坐标轴上，每一维的参数不会是0.当最小化||w||时，就会使每一项趋向于0

10、介绍一下最近读的论文

深信服机器学习岗

创新奇智推荐算法岗

推荐算法岗 先去笔试，笔试题目： 1、ROC,AUC（没答出来）

2、gdbt、xgboost、随机森林有什么区别（没答出来）

3、激活函数

4、过拟合、欠拟合

5、编程题 2D维矩阵转置

笔试结束了之后，突如其来的面试 就赶着问，最后面试官给我的建议是让我找一个具体的点，去kaggle上动手做实验。 然后自己要有一个非常熟悉的点，比如就算是简单的LR，优缺点、应用场景也要弄得很清楚。

网易机器学习岗

基本关于自己方向都答出来了 但是涉及到计算机基础的都答得不怎么样

1、虚函数的作用：函数的作用是允许在派生类中重新定义与基类同名的函数，并且可以通过基类指针或引用来访问基类和派生类中的同名函数

2、栈和函数调用的关系

3、栈和队列的区别

1、介绍熟悉的机器学习算法，并推导svm

2、介绍gan

3、介绍堆排序

4、聊项目以及拓展

5、了解过deapfake吗

6、梯度消失的原因以及解决方法

7、为什么使用sigmoid激活函数会导致梯度消失

8、为什么要转专业

9、有没有其他的项目 kaggle