求职指南【1】-如何准备算法工程师的面试？

AI研习图书馆，发现不一样的世界

算法
面试

机器学习算法工程师面试知识点总结一

一、前言

近年来，随着物联网和人工智能技术的蓬勃发展，算法工程师这个技术岗位变得炙手可热，如日中天。但是，对于算法研究者来说，这既是机遇，也是挑战，算法工程师岗位从稀缺到疑似饱和，再到烂大街，给我们带来了很多新的思考和考验~

具体可浏览我的另一篇文章：求职指南—如何看待2021年秋招算法岗灰飞烟灭？

今天，我将开创一个新的文章专栏：求职指南，包括机器学习和深度学习两大方向的面试经验总结，面试准备及面试知识点盘点，因为笔者最近也在准备秋招，算是学习总结和分享了吧，欢迎建议，不喜勿喷~

二、机器学习算法工程师面试

初次求职的我们，要从大量繁杂的信息和资料中提取信息原本就是一件浪费时间的事情，因此，本文是一篇简洁到不能再简洁的概述文章，不提供任何需要进行重新筛选的信息给大家增添负担，上干货。

简单粗暴的来看，一般机器学习算法工程师的面试知识点只有三个部分：

算法理论（30%） + 机器学习项目（35%） + Coding 能力（35%）

下面，将从这三个方面逐点分析，我们具体复习的方向和需要掌握的程度。

1. 算法理论

算法理论，通常是机器学习算法工程师面试第一部分内容，如果算法理论部分没有通过，你甚至都没有机会展示自己的相关项目和代码能力，直接就会被 Pass 了。算法理论通常被许多面试官认为是机器学习算法工程师面试中最基础的一部分。

在面试之前，个人认为，一名合格的机器学习算法工程师至少要保证自己已经把李航老师的《统计学习方法》或者周志华老师的西瓜书看了一遍或者两遍。保证自己满足以下几个要求或部分：

• 脱离书本，可以手推一些经典算法；

• 算法使用的前提条件（如需要满足哪些假设，数据需要服从哪些分布）；

• 算法的应用场景（例如，EM 算法主要用于哪些场景）；

• 算法的优缺点；

• 算法的横向比较；

• 应用于相同场景的算法或者相同类别的算法，差异在何处。

2. 机器学习项目

首先，一般要保证自己至少有一个或两个和自己面试岗位相关的机器学习项目。这些项目可以从 Github，最新的顶会论文，各种AI或学科相关的竞赛中找到。

其次，在介绍自己的项目时，按照顺序描述项目中的以下几个问题：

• 项目背景及要解决的问题

• 理论基础：使用了什么算法，算法原理的推导

• 工程能力：算法是如何优化的，参数调优方法，如何加快计算速度的

• 拓展思考：当前算法是否是最优的，是否有更好的方案去替代

一般情况下，如果在自己项目相关的问题中，有超过两到三个问题没有回答出来，基本就凉凉了，因为自己做的项目都不清楚，那就不一定是自己的项目了，或者说是水项目了，可见工程能力一般，此人可以劝退了，呜呜... 不说了，经历过...

3. Coding 能力

• 建议力扣 Leetcode Easy 难度的题目至少要都能直接给出最优解；

• 建议力扣 Leetcode Medium 难度的题目如果全部都可以搞定，基本已经没问题了，如果还不能，请每周坚持刷题，请坚持。

Last but not least

目前，力扣官网中的探索卡片里为大家准备了机器学习专栏，感兴趣的同学也可以前往打卡刷题喔~

三、资料准备

在大家准备复习资料的时候，一定要记住，资料在精不在多，网上多少 G 的机器学习资料视频，什么算法工程师资料大全，如果你不是那么有时间，就可以直接忽略了。

10 本类似的资料看一遍不如 1 本资料看 10 遍，存在硬盘里面不看，永远也不会在面试中用到，理解了才是自己的。

下面给大家推荐 最少的资料：

• 统计学习：《统计学习方法》或者西瓜书

• 机器学习项目：自己做两个 Kaggle 比赛

• 深度学习：Stanford CS231n

• 深度学习项目：找两篇和自己以后想从事方向（NLP，CV，机器人等等）的顶会论文，复现；阿里天池等大数据竞赛平台上与自己以后想从事方向匹配的比赛，参与一下。

今天，又是深度迷茫的一天，总结分享暂时告一段落。看了这篇文章，聪明睿智的你，是否和我一样：依旧迷茫，是否又该思考一下人生了？

Ai... 向上吧，青年，迷茫的留言区请扣996，光之神来治愈你！