前言   大家好，我是鬼仔。今天带来《机器学习高频面试题详解》专栏第1.2节：逻辑回归，因为内容比较多，所以本节分为了上下两篇。鬼仔希望写的每篇专栏文章能够将一个知识点讲透、讲深，也希望读者能从鬼仔的文章中有所收获。   欢迎大家订阅该专栏，目前这篇是试读，后续的文章需要订阅才能查看哦（每周一更/两更），专栏预计更新30篇文章（只增不减），具体内容可以看专栏介绍，大家的支持是鬼仔更新的动力！      一、原理   1. 线性回归模型   （1）讲到逻辑回归，我们首先要先了解线性回归模型。    线性回归模型假设输入特征和输出结果满足线性关系：，此时的是连续值，所以是回归模型。如果想要转化为分...

前言   大家好，我是鬼仔。今天带来《机器学习高频面试题详解》专栏的第一章监督学习的第一节：感知机，接下来鬼仔将每周更新1～2篇文章，希望每篇文章能够将一个知识点讲透、讲深，也希望读者能从鬼仔的文章中有所收获。   欢迎大家订阅该专栏，可以先看看专栏介绍。如果对文章内容或者排版有任何意见，可以直接在讨论区提出来，鬼仔一定虚心接受！      一、原理   1. 感知机模型   感知机模型是一个最经典古老的分类方法，现在基本没人拿它来作为实际的分类模型，但是其原理很经典，以至于很多算法都是基于感知机模型设计的，比如SVM、神经网络等。下面先介绍感知机模型原理。      假设在一个二维平面内（黑...

一、自我介绍大家好，我是鬼仔。鬼仔是2021届硕士，毕业于华南地区某985高校，研究方向是图像处理和机器学习相关，曾在CVTE、字节和微信等公司实习，岗位均为算法研究，最后在校招期间成功拿到了字节、微信和华为等多家大厂的SSP offer。二、专栏内容本专栏编写的初衷是为了帮助校招生系统性地学习和掌握机器学习中的基础知识。在算法岗面试中，面试官对于机器学习的知识点，常常会考察得非常广泛。机器学习作为算法研究的基础，同学们需要牢牢地掌握。鬼仔在大学期间（本科+研究生）看了十几本有关机器学习和深度学习的书籍，也整理了不少笔记。好记性不如烂笔头，看书很重要，总结和整理也同样重要。有的问题你可能理解了...

大家好，我是鬼仔。掐指一算，自己毕业已经一年多了，也在职场摸爬滚打了一年多， 期间踩了不少坑，吃了不少亏，举几个例子：    一开始不懂得向上管理，埋头苦干做出了不少成果，但因为leader不了解你的工作，导致最后的绩效吃了亏； 接到一个需求，自己还没做好技术调研，就哼哧哼哧开始动手了，过了两周发现模型性能并不理想，和导师讨论后才了解到已经有人做过类似的模型，我直接拿来用就好了。。   在学校的时候，课程和考试都是有一套标准流程的，有老师义务地来教你，自己按部就班学习就能取得不错的成绩。但是到了工作中，设计好的路线不见了， 我们却带着很多校园里的惯性思维，在职场中频频碰壁，走了不少弯路。  应...

大家好，我是鬼仔。国庆假期结束，意味着秋招下半场正式开始了，还没拿到offer的应届生们又要全身心投入到这场秋招战役中了。   今年秋招还有下半场吗？有，当然有。8-10月主要是互联网，而10月开始则由各大国企、银行和体制内单位接过秋招的接力棒，大家要抓住机会。   正巧有算法研究生同学分享了自己的秋招经历，聊到了自己参加金融科技挑战赛，并从中确定自己未来就业方向。也聊到了对于互联网行业和金融行业的看法，和很多同学的境遇相似，想和大家分享。   这里做个小调研，大家秋招进度都如何了？    小长文干货预警，涉及挑战赛细节，个人专业成长、就业观念问题，适合正在纠结择业的同学和对未来就业迷茫的同学...

前言  大家好，我系乜都识一D嘅鬼仔。最近可能是到了秋招季，很多同学私信鬼仔：如何系统地准备算法岗的面试？这其实是一个比较宏大的命题，鬼仔之前简单整理过几篇算法岗的高频知识点和面试题：      【算法岗必看】机器学习高频面试题汇总    【算法岗必看】深度学习高频面试真题    机器学习高频知识点-模型参数估计方法    机器学习高频知识点-L1和L2正则化的区别     但鬼仔的这几篇笔记太零散了，想到哪写到哪，不利于同学们系统性地进行学习和准备算法岗的知识。在算法岗面试中，常常会考察机器学习和深度学习里面的一些基础知识，这部分可能会问的比较广，需要同学们系统地学习和掌握。   鬼仔在大学...

23届抱团取暖，减少信息差   大家好，我是鬼仔。不知不觉已经到了9月，23届的同学都忙着准备秋招。以过来人的角度来看，秋招最重要的其实是尽可能地减少信息差，清楚地了解哪些公司正在招哪些岗位，网申时间什么时候截止。   减少信息差，除了拿到一手招聘信息外，还需要了解自己意向公司&岗位面试时常问的知识点。正所谓前车之鉴，后车之师，同一家公司的面试风格和面试题目往往都有着相似之处，大家可以根据前人的面经对知识点进行查缺补漏，确保以后面试中碰到熟悉的题目都可以顺利解答。   为了让23届的同学们互通信息、抱团取暖，鬼仔创建了秋招交流群，群里有持续更新的秋招日程表和面经汇总，鬼仔还可以提供多家...

写在开头   大家好，我是不止会算法的鬼仔。作为一名常年混迹于互联网的算法搬砖工程师，在平时写代码的时候是根本没办法避免和数据打交道。如今技术岗校招面试的时候，与数据库相关问题层出不穷。其中呢，更多就是数据库相关的各种问题，比如：    • 你了解联合索引吗？什么是最左前缀匹配原则？   • 你了解主从同步架构吗？有什么复制实现算法？Raft了解吗？   • 你了解事务ACID吗？ACID有什么用？   • 你了解事务的隔离级别吗？它们的作用是什么？   • ......    诸如此类，与数据和数据库相关的技术问题，今天鬼仔就给大家带来数据库系统知识的通用科普篇。之后，鬼仔也会陆陆续续给大家...

23届抱团取暖，减少信息差   大家好，我是鬼仔。不知不觉已经到了9月，23届的同学都忙着准备秋招。以过来人的角度来看，秋招最重要的其实是尽可能地减少信息差，清楚地了解哪些公司正在招哪些岗位，网申时间什么时候截止。   减少信息差，除了拿到一手招聘信息外，还需要了解自己意向公司&岗位面试时常问的知识点。正所谓前车之鉴，后车之师，同一家公司的面试风格和面试题目往往都有着相似之处，大家可以根据前人的面经对知识点进行查缺补漏，确保以后面试中碰到熟悉的题目都可以顺利解答。   为了让23届的同学们互通信息、抱团取暖，鬼仔创建了秋招交流群，群里有持续更新的秋招日程表和面经汇总，鬼仔还可以提供多家...

一、降低预期，稳住心态   最近逛牛客，发现大家发的帖子都挺焦虑的，担心自己找不到工作。今年互联网校招真的可以算是史上最难的一届了，教育部统计数据显示2022年高校毕业生的规模将达到1076万人，比上一年又增加了167万人，规模和增量都创下了历史新高。      而大厂秋招hc的数量情况也相当不乐观，根据网上的信息：去年字节秋招8k+hc，今年估计不到3k；百度去年8k，今年2k；美团去年1w左右，今年5k。互联网大厂整体都在缩招，有些公司甚至都还没开始秋招，比如说腾讯，鬼仔了解到的信息是9月中下旬一些部门会根据实际需求开放岗位；再比如拼多多，前两天鬼仔才在交流群了解到技术岗只设内推名额。在牛...

23届抱团取暖，减少信息差   大家好，我是鬼仔。不知不觉已经到了9月，23届的同学都忙着准备秋招。以过来人的角度来看，秋招最重要的其实是尽可能地减少信息差，清楚地了解哪些公司正在招哪些岗位，网申时间什么时候截止。   减少信息差，除了拿到一手招聘信息外，还需要了解自己意向公司&岗位面试时常问的知识点。正所谓前车之鉴，后车之师，同一家公司的面试风格和面试题目往往都有着相似之处，大家可以根据前人的面经对知识点进行查缺补漏，确保以后面试中碰到熟悉的题目都可以顺利解答。   为了让23届的同学们互通信息、抱团取暖，鬼仔创建了秋招交流群，群里有持续更新的秋招日程表 和面经汇总，鬼仔还可以提供多...

竟无法反驳

一、给23届同学一些秋招建议   大家好，我是鬼仔。今年秋招网上哀鸿遍野，很多人都担心找不到工作，但作为过来人，鬼仔还是要给大家加油鼓劲，其实往年这个时间点，很多人也还没拿到offer，秋招才刚开始，机会还是很多的。不过今年行情确实不好，往年“有手就行”的公司，今年甚至简历都要筛一大波人。那些头部的公司，比如阿里字节，今年的hc都肉眼可见地减少，腾讯甚至还没开始秋招（除了大咖和产培），这就导致很多原本可以拿到BAT offer的大佬开始争抢中小厂的offer。   所以鬼仔建议非大佬的同学可以多多关注一些正在发展中的中小厂企业，不要把眼光只局限于所谓的大厂，因为今年大厂竞争激烈程度远高于往年。...

前言   大家好，我是鬼仔。微软校招最近进行得如火如荼，有同学就找到鬼仔：“鬼仔鬼仔，我刚投递了微软，能帮忙整理下微软的面经汇总吗？”。能！必须能！这不，今天鬼仔就带着微软的面经汇总来了。不过有一说一，鬼仔在整理微软面经的时候，差点就emo了，内心缓了很久才恢复过来。为啥会emo？因为鬼仔见识到了什么叫神仙面试，很多问题是鬼仔工作一年后才会回答的，巨硬的面试难度果然名不虚传。。。   举个面试题为例子，候选人背景是机器学习领域：    面试题：我们有一个业务系统，每天要处理1000万次服务请求，如何设计这个系统？  回答：安全方面，要通过FireWall、蜜罐等方式防止DDOS和渗透类的攻击；...