流水帐的找工总结

地里的榜样~

楼主的毅力太牛了

只能佩服，学习是学不来了

楼主太厉害了，佩服佩服，让我有了继续刷题的动力

楼主总结很好，请问能不能讲讲怎么准备ml相关的部分呀，有没有ml design的资料可以分享吗

楼主的毅力让人敬佩，希望自己也加油把

little9 发表于 2018-4-13 04:34
楼主总结很好，请问能不能讲讲怎么准备ml相关的部分呀，有没有ml design的资料可以分享吗

ml的话，基本就是听天由命 哈哈
1. 几本教科书。。。看比较浅的就行了，因为面试时候大概一般推不了太复杂的公司。andrew ng的课件和notes， 不是coursera上的，就是他自己的课的，记不得地址了。里面有个讲怎么分析模型该怎么改进的，bias vs variance, cost fucntion或者optimization方法对不对是否收敛了之类的。同时也看了学校老师的ml的课件，感觉应付基础知识够了。
2. 几个基本的模型的推导，cost/lost function等等，比如naive Bayes， linear/logistic regression, random forest/decision tree
3. performance measure: 几个metric，classification/regression分别用啥等等。
4. unbalanced dataset 怎么处理，这个基本每家都会问。（有家startup还问了我知不知道smote。。。）
5. bias variance这个基本每家也都会问
6. ml design: 感觉大部分时候是看feature engineering的感觉，此外就是怎么定义这个问题，是classification/regression还是unsupervised。
7. ml coding: 感觉在半个小时时间里面只能写Kmeans或者KNN。。。 knn的话，选topK的话可以用quick selection 达到 O(n) 来代替sort或者heap。或者就是distance measure的变种。。。比如Zillow家的cosine distance。话说我刚巧之前一个project尝试了几乎所有的distance measure。。。否则应该还不会记得cosine distance的公式怎么写

其实我的ml也很弱。。。就是这样挣扎过来的

补充内容 (2018-4-13 10:50):
地理有个兄弟报G家面经时候提到了一个数据集中有些label本身可能不正确的题目，我后来也碰到了。。。不太好描述，你自己找找吧。

补充内容 (2018-4-13 10:50):
地理有个兄弟报G家面经时候提到了一个数据集中有些label本身可能不正确的题目，我后来也碰到了。。。不太好描述，你自己找找吧。

zhengyiyu 发表于 2018-4-13 10:48
ml的话，基本就是听天由命 哈哈
1. 几本教科书。。。看比较浅的就行了，因为面试时候大概一般推不了太复 ...

谢谢你的回复，楼主大好人

这帖子写得真好，看得我频频点头，谢谢楼主的分享！祝楼主工作顺利！

谢谢楼主分享！

励志，坚持很重要， 佩服楼主