Data Science 大神 看过来！

准备 要面 实习 Data Science， 但是 没学过Machine Learning 怎么办呢？ 当时投的是Software Developer， 莫名其妙的给我一个 DS面试位置。 如何在短时间内学会高频的Machine Learning 题目？ 有什么内容是高频的？


补充内容 (2016-12-5 01:36):
楼主面的是 Microsoft

说一点machine learning的方面的建议。
- 大的概念上，至少能分清楚classification/regression, 知道overfitting是什么，regularization/prior是什么意思，l1 vs l2 regularization有什么区别。
- 模型上，可以侧重搞清楚logistic regression, pca, bp neural network，cnn 2012-2015发展史，这几个应该比较常问，而且数学上比较简单，争取彻底搞清楚。有多出来的时间的话，了解一下svm, kernel methods,decision tree/random forest, boosting/bagging。这几个复杂一点，以前在业界火过，现在也还是可能被问到。没有时间的话，知道模型的思想，算法大概长啥样，也就够了。
- 库上，tensorflow/caffe/theano之类的库任选其一最好试用一下（比如玩一个简单的mnist的例子），看看neural network有哪些参数／选项是可以调的，具体碰到什么问题的时候怎么调。

ds有些可能偏重统计知识或者偏向分布式计算框架，这个我不了解就不乱提建议了。

补充内容 (2016-12-5 01:01):
如果你要面的公司是cnn导向的公司的话，那么最重要的是
- 基础：logistric regression, bp neural network, cnn原理
- 现状：cnn 2012-2015发展史
- 工具：tensorflow/caffe/theano库的试用
- 趋势：r-cnn, rnn/lstm

补充内容 (2016-12-5 04:47):
漏掉了knn, kmeans, mixture model & em, 这几个也是因为很简单，比较容易被问的

http://rpubs.com/JDAHAN/172473 这个link应该有点用

笑眯眯的白云 发表于 2016-12-6 15:09
姐姐看过来，

我打算准备

l1 vs l2只需要讲清楚l2隐含的是一个zero mean的Gaussian prior，把hidden variable往原点的方向push，但是一般不会出现0值。l1 enforce sparsity constraint，push hidden variable出现大量0和少量非0。我面试就这么intuitive地讲了下也没有被质疑过。

我碰到过一两次给一个应用问题，让design一个learning algorithm的。一般问题或者是面试官所在组的问题，或者是我以前做过的问题。
如果是新问题，可以先扯怎么把问题转化成一个learning问题(regression or classification, label怎么定义，training数据怎么选），然后套一个合适的模型去解。这样能得个基本分。
如果是已经做过的问题，那么会问模型之间的比较，或者如果要套到一个新模型上怎么做。这个就没办法，只有靠积累了。

看看coursera吴恩达的机器学习课，简洁清晰易入门，掌握一下ml的主要内容

Data Science并不一定全是做ML的, 如果你不是PHD加入的话,很大程度上你的工作是跟 numpy,pandas,R这个技术栈打交道. 并不需要你自行设计,调优算法. 不过就具体怎么学ML, 楼上几位说的够了

hxtang 发表于 2016-12-5 00:52
说一点machine learning的方面的建议。
- 大的概念上，至少能分清楚classification/regression, 知道overf ...

多谢大神的回答， 面的是 Microsoft， 不知道在你给的List 中， 哪个才是重之之重？

woliside 发表于 2016-12-5 00:08
http://rpubs.com/JDAHAN/172473 这个link应该有点用

感谢大神回复！， 十分受用！

penenda 发表于 2016-12-5 00:29
Data Science并不一定全是做ML的, 如果你不是PHD加入的话,很大程度上你的工作是跟 numpy,pandas,R这个技术 ...

大神你好，楼主是MS， 可惜Microsoft 一直不愿意透露到底面试的内容是什么Data Science 的 哪个方面

suzision 发表于 2016-12-4 02:35
看看coursera吴恩达的机器学习课，简洁清晰易入门，掌握一下ml的主要内容

我看完了还买了certificate仍旧感觉什么都不懂

笑眯眯的白云 发表于 2016-12-5 01:33
多谢大神的回答， 面的是 Microsoft， 不知道在你给的List 中， 哪个才是重之之重？

Microsoft很大，不太好猜他们的侧重点在哪。
不知道你还有多少时间，如果还有一周以上的话，来得及都过一遍的。