荐 腾讯80道高级算法面试题(首发,腾讯面试题、算法)
我自从2015年担任算法组leader,作为面试官面试了不少同学。前前后后面试了超过200名同学,其中有不少入职的同学后来发展都不错,也坚定了自己对于选人标准的自信心。
今年2020年找工作尤其艰难,我把这些年作为面试官一些重要的面试题整理出来,一共80道,希望能够帮助到大家。
为了方便大家,我做了一个归类,一共分成了6大类,分别是:机器学习,特征工程,深度学习,NLP,CV,推荐系统。这些知识既是面试中的常见问题,也可以作为大家整理自己思路的参考资料。(需要的同学文末免费领取)
机器学习理论类:
1. 写出全概率公式&贝叶斯公式
2. 模型训练为什么要引入偏差(bias)和方差(variance)? 证
3. CRF/朴素贝叶斯/EM/最大熵模型/马尔科夫随机场/混合高斯模型
4. 如何解决过拟合问题?
5. One-hot的作用是什么?为什么不直接使用数字作为表示
6. 决策树和随机森林的区别是什么?
7. 朴素贝叶斯为什么“朴素naive”?
8. kmeans初始点除了随机选取之外的方法
9. LR明明是分类模型为什么叫回归
10. 梯度下降如何并行化
11. LR中的L1/L2正则项是啥
12. 简述决策树构建过程
13. 解释Gini系数
14. 决策树的优缺点
15. 出现估计概率值为 0 怎么处理
16. 随机森林的生成过程
17. 介绍一下Boosting的思想
18. gbdt的中的tree是什么tree?有什么特征
19. xgboost对比gbdt/boosting Tree有了哪些方向上的优化
20. 什么叫最优超平面
21. 什么是支持向量
22. SVM如何解决多分类问题
23. 核函数的作用是啥
特征工程类:
1. 怎么去除DataFrame里的缺失值?
2. 特征无量纲化的常见操作方法
3. 如何对类别变量进行独热编码?
4. 如何把“年龄”字段按照我们的阈值分段?
5. 如何根据变量相关性画出热力图?
6. 如何把分布修正为类正态分布?
7. 怎么简单使用PCA来划分数据且可视化呢?
8. 怎么简单使用LDA来划分数据且可视化呢?
深度学习类:
1. 你觉得batch-normalization过程是什么样的
2. 激活函数有什么用?常见的激活函数的区别是什么?
3. Softmax的原理是什么?有什么作用?CNN的平移不变性是什么?如何实现的?
4. VGG,GoogleNet,ResNet等网络之间的区别是什么?
5. 残差网络为什么能解决梯度消失的问题
6. LSTM为什么能解决梯度消失/爆炸的问题
7. Attention对比RNN和CNN,分别有哪点你觉得的优势
8. 写出Attention的公式
9. Attention机制,里面的q,k,v分别代表什么
10. 为什么self-attention可以替代seq2seq
自然语言处理(NLP)类:
1. GolVe的损失函数
2. 为什么GolVe会用的相对比W2V少
3. 层次softmax流程
4. 负采样流程
5. 怎么衡量学到的embedding的好坏
6. 阐述CRF原理
7. 详述LDA原理
8. LDA中的主题矩阵如何计算
9. LDA和Word2Vec区别?LDA和Doc2Vec区别
10. Bert的双向体现在什么地方
11. Bert的是怎样预训练的
12. 在数据中随机选择 15% 的标记,其中80%被换位[mask],10%不变、10%随机替换其他单词,原因是什么
13. 为什么BERT有3个嵌入层,它们都是如何实现的
14. 手写一个multi-head attention
推荐系统类:
1. DNN与DeepFM之间的区别
2. 你在使用deepFM的时候是如何处理欠拟合和过拟合问题的
3. deepfm的embedding初始化有什么值得注意的地方吗
4. YoutubeNet 变长数据如何处理的
5. YouTubeNet如何避免百万量级的softmax问题的
6. 推荐系统有哪些常见的评测指标?
7. MLR的原理是什么?做了哪些优化?
计算机视觉(CV)类:
1. 常见的模型加速方法
2. 目标检测里如何有效解决常见的前景少背景多的问题
3. 目标检测里有什么情况是SSD、YOLOv3、Faster R-CNN等所不能解决的,假设网络拟合能力无限强
4. ROIPool和ROIAlign的区别
5. 介绍常见的梯度下降优化方法
6. Detection你觉得还有哪些可做的点
7. mini-Batch SGD相对于GD有什么优点
8. 人体姿态估计主流的两个做法是啥?简单介绍下
9. 卷积的实现原理以及如何快速高效实现局部weight sharing的卷积操作方式
10. CycleGAN的生成效果为啥一般都是位置不变纹理变化,为啥不能产生不同位置的生成效果
这些问题的答案,我们给大家整理了一个资料包,关注我私信回复【666】免费领取
中国算法之最“左程云大牛”出版完整版算法书籍,细到你不可能看不懂
程序员代码面试指南IT名企算法与数据结构题目最优解
这是一本程序员面试宝典!书中对IT名企代码面试各类题目的最优解进行了总结,并提供了相关代码实现。针对当前程序员面试缺乏权威题目汇总这一痛点,本书选取将近200道真实出现过的经典代码面试题,帮助广大程序员的面试准备做到万无一失。“刷”完本书后,你就是“题王”!
采用题目+解答的方式组织内容,并把面试题类型相近或者解法相近的题目尽量放在--起,在学习本书时很容易看出面试题解法之间的联系,使知识的学习避免碎片化。书中将所有的面试题从难到易依次分为“将、校、尉、士”四个档次,方便读者有针对性地选择“刷”题。本书所收录的所有面试题都给出了最优解讲解和代码实现,并且提供了一些普通解法和最优解法的运行时间对比,让读者真切地感受到最优解的魅力!
本书中的题目全面且经典,更重要的是,书中收录了大量独家题目和最优解分析,这些内容源自笔者多年来“死磕自己”的深入思考。
码农们,你们做好准备在IT名企的面试中脱颖而出、一举成名了吗?这本书就是你应该拥有的“神兵利器”。当然,对需要提升算法和数据结构等方面能力的程序员而言,本书的价值也是显而易见的。
目录
这些问题的答案,我们给大家整理了一个资料包,关注我私信回复【666】免费领取
推荐阅读:
牛皮了,马士兵老师全网首播阿里P8级技术、实现大型淘宝实战落
面试美团被JVM惨虐?阿里P9架构师用500分钟把JVM从入门讲到实战#合集
清华启蒙架构师马士兵针对应届生到开发十年的Java程序员做职业把脉
马士兵教育:Spring源码实战全集,资深架构师带你搞懂Spring源码底层从入门到入坟
本文地址:https://blog.csdn.net/weixin_45132238/article/details/107323941
下一篇: 【计算机视觉】视频检测(一)