谷歌机器学习场地面

看了一下版上，关于谷歌机器学习职位的面试帖子不多，这里贡献一个。希望对有这方面兴趣的朋友有帮助。
虽然说面试主题是机器学习，但是5轮面试中4轮都有coding只有一轮是纯聊ML。

您好！
本帖隐藏的内容需要积分高于 66 才可浏览
您当前积分为 0。
使用VIP即刻解锁阅读权限或查看其他获取积分的方式

游客，您好！
本帖隐藏的内容需要积分高于 66 才可浏览
您当前积分为 0。
VIP即刻解锁阅读权限 或 查看其他获取积分的方式
Unlock interview details and practice with AI
Curated Interview Questions from Top Companies

很奇怪今天面试我的全是老美，不知道是不是因为今天是大年初一所以中国人大都休假了。

amber110 发表于 2019-8-1 06:10
天呐 楼主太厉害了！ 想请教一下"L0"  为什么是dropout？谢谢！

这个问题很难说明白，我尝试一下。

如果在坐标系里面展现loss和regularization的关系的话，我们可以看到用L1（矩形），L2 （圆形）时，regularization constraint和loss具有唯一切点（可以参考图https://forums.fast.ai/uploads/d ... 3ac918c442c7e46.jpg）。L0的形状是N条直线，这样与loss会有多个交点。这表明最优解不为一个。
在传统的ML里面，我们基本做的是凸优化，即只有唯一最优解。因此L0对凸优化为题没意义。但是如果我们用NN的话，我们基本假设这个优化问题不是凸的，所以也不期待找到最优解，只要找到不错的解就行了。这时候我们不怕loss和regularization有多个交点，反而这表明我们找到了多个不错的解。即对一个给定的NN architect，存在多种参数组合使的这样的NN足够好。我们可以同时用多个这样的NN（即ensemble）。

从dropout的角度来看，它可以认为是一种隐性的ensemble。训练时每次去掉部分结点等同于训练一个具有原来NN所有结点子集的一个NN。在做预测时用所有结点，可以认为就是那所有这样的结点子集的NN做ensemble。做ensemble的以为我们有多个我们认为可以用的model（loss够低）。


希望回答了你的问题。

刚刚查了第一题的解法：
https://blog.csdn.net/wangche320/article/details/9270575
一条单位长的线段，在上面任取两个点，可以将线段分成三个子线段，问这三个子线段可以构成三角形的三条边的概率是多大？

假设三条边的长度从左到右分别为 x， y， 1-x-y。

两边之和大于第三边，即任意一条边不能大于等于0.5，即0<x<0.5，0<y<0.5，x+y<1。

两边之差小于第三边，(1-x-y)-x<y，即x+y>0.5。

全集，单位线段上任取两点，需满足x>0，y>0，x+y<1，对应着函数y=1-x的线下方部分的大三角形。

所求集合，还需满足x+y>0.5，即红色三角形部分。

于是所求概率为0.25。




---------------------
作者：多多大人
来源：CSDN
原文：https://blog.csdn.net/wangche320/article/details/9270575
版权声明：本文为博主原创文章，转载请附上博文链接！


反正我面试的时候是绝对想不起这个方法....

顶楼主。请问楼主能再具体讲解一下第一题当变量之间存在依存关系时怎么sampling吗

北极星 发表于 2019-2-6 16:29
顶楼主。请问楼主能再具体讲解一下第一题当变量之间存在依存关系时怎么sampling吗

当有依赖的时候先sample所有依赖的变量，然后根据sample后依赖的变量值来sample当前变量。比如A依赖于B，C，那么先通过sample得到B和C的值。然后根据条件概率p(A=a|B=b,C=c)来sample。所有的distribution是给定的。

多谢楼主解释，但这个要怎么样用上递归？是不是要处理嵌套的条件概率，比如P((A|B)|C)

thinkoutofbox 发表于 2019-2-8 07:30
刚刚查了第一题的解法：
https://blog.csdn.net/wangche320/article/details/9270575
一条单位长的线段， ...

你的方法是对的。当时面试官问的时候我只想马上想到任意两边之和大于第三边的限制。并且画出了你给出的黑线部分。然后想复杂了又画了个三围的图形，标出了x+y+z <= 1的一个区域（三角立方体）。然后被告知不正确。

谢谢楼主的分享，非常详尽、很有价值！

第三轮那个题，似乎更快的做法，如果不用sufix xxx之类的东西的话， 可以二分答案， 假定长度是k, 枚举两个串中长度是k的串，有O(n)个， sort一下， 看看相邻的有没有一样的。 总时间复杂度应该是O(nlog^2n).  顺便问下，那个有重复数据的题目，假如相似数据hash到一个地方的话， 因为是stream数据，应该不太可能保存每个数据的hash吧，所以hash后怎么弄？

yangshao 发表于 2019-2-9 08:42
第三轮那个题，似乎更快的做法，如果不用sufix xxx之类的东西的话， 可以二分答案， 假定长度是k, 枚举两个 ...

算法那个题应该有更快的方法，不过我当时没细想了。

用hash的目的是把完全相同的training instance放到相同的fold下面。这样做cross validation就不会有同一个training instance在不同fold下造成过于乐观估计model performance的情况。不同的training instance由于hash相同放到同一个fold里面不会有什么负面影响。

另附图钉场地面https://www.1point3acres.com/bbs ... D311%26sortid%3D311