亚麻 applied scientist 电话面试 求加米！

1. coding部分：  merge interval, for example, [[1,3], [2,5], [8,10]] -->  [[1,5], [8,10]]

2. ML 部分 （一个印度的senior applied scientist）： 这部分就问的比较多，搞了40分钟
     a.  L1 or L2 for a linear regression, and for logisitic regression, what is the advantages and disadvantages. 这里就提到L1有feature selection的作用
     b. how   to handle imbalanced d

您好！
本帖隐藏的内容需要积分高于 188 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 188 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

的结果是最忧的，而且每次都一样。其实是一个research paper.  有兴趣的可以看看。这种算法是使得在复杂度为（n^2 * k）的情况下得到最优解。

总体感觉亚麻在ML上面考的比较细，一些基本数学公式和定理也要记得清清楚楚。 感觉悬了。


补充内容 (2020-10-15 02:31):
今天收到信息，竟然过了，正在准备预约onsite.  会继续更新。 有要最近面试的同学可以一起讨论下。

d. full rank的话就是x=0。 不是full rank的话就有为0的特征值, 所有eigenvalue=0所对应的eigenvector一定在null space里面。他们的任何线性组合都是Ax=0的解

感觉c的答案应该是

C(6, 11) * 0.6^6 * 0.4^5  + C(7, 11) * 0.6^7 * 0.4^4 + ... + C(11, 11) * 0.6 ^11
这个公式可以写成二项式公式，但是取大于 n//2 + 1

d. 这个问题也是挺蒙的。 说给你eigen vector, 和 eigen value, 你能得到 Ax = 0 的解不？

我觉得可以看看 150 Most Frequently Asked Questions on Quant Interviews (网上有PDF版本）的67页 (question 6)
大概讲的就是给你 eigenvalues c1 c2 和 eigenvectors v1 v2, 和一个新的vector x，用eigenvalues、eigenvectors和新的vector建立方程组 (c1 v1 + c2 v2 = x)
就可以把新的vector换成eigenvectors的linear combination

d. 这个问题也是挺蒙的。 说给你eigen vector, 和 eigen value, 你能得到 Ax = 0 的解不？

如果A是full rank，Ax=0只有trivial 解，就是zero vector。如果A不是full rank，暂时没想到怎么解。

我如果是面试官，我可能会问Ax=b怎么解。

liazou 发表于 2020-10-12 08:20
d. 这个问题也是挺蒙的。 说给你eigen vector, 和 eigen value, 你能得到 Ax = 0 的解不？

我觉得可以看 ...

谢谢你的回答。我觉得是应该和RANK 相关， 如果不是full rank, 就像xiaojunch 说的，那就不知道怎么解， 只有全零的解了。

xiaojunch 发表于 2020-10-12 21:05
d. 这个问题也是挺蒙的。 说给你eigen vector, 和 eigen value, 你能得到 Ax = 0 的解不？

如果A是full  ...

谢谢。应该就是你说的这样。

paper 链接打不开了，请问叫什么名？

kittycerry 发表于 2020-11-27 12:04:48
paper 链接打不开了，请问叫什么名？

Ckmeans.1d.dp: Optimal k-means
Clustering in One Dimension by Dynamic
Programming
by Haizhou Wang and Mingzhou Song

匿名者 发表于 2020-11-29 03:35
Ckmeans.1d.dp: Optimal k-means
Clustering in One Dimension by Dynamic
Programming

谢谢楼主