春季到來，春招不久也會開始。在本項目中，作者為大家準備了 ML 算法工程師面試指南，它提供了完整的面試知識點、編程題及題解、各科技公司的面試題錦等內容。目前該 GitHub 項目已經有 1 萬+的收藏量，想要跳一跳的同學快來試試吧。

• 項目地址：https://github.com/imhuay/Algorithm_Interview_Notes-Chinese

如下所示為整個項目的結構，其中從機器學習到數學主要提供的是筆記與面試知識點，讀者可回顧整體的知識架構。后面從算法到筆試面經主要提供的是問題及解答方案，根據它們可以提升整體的解題水平與編程技巧。

面試知識點

面試題多種多樣，但機器學習知識就那么多，那么為了春招或春季跳槽，何不過一遍 ML 核心知識點？在這個 GitHub 項目中，作者前一部分主要介紹了機器學習及各子領域的知識點。其中每一個知識點都只提供最核心的概念，如果讀者遇到不熟悉的算法或者遇到知識漏洞，可以進一步閱讀相關文獻。

項目主要從機器學習、深度學習、自然語言處理和數學等方面提供詳細的知識點，因為作者比較關注 NLP，所以并沒有提供詳細的計算機視覺筆記。

機器學習

首先對于機器學習，項目主要從基礎概念、基本實踐、基本算法和集成學習專題這四個方面概括 ML 的總體情況。其中基礎概念可能是最基本的面試問題，例如「偏差方差怎么權衡？」、「生成模型和判別模型的差別是什么？」、「先驗和后驗概率都是什么，它們能轉換嗎？」。

這些知識點一般是入門者都需要了解的，而對于 ML 基本實踐，主要會從如何做好傳統 ML 開發流程的角度提問。例如「你如何選擇超參數，能介紹一些超參數的基本搜索方法嗎？」、「混淆矩陣、準確率、精確率、召回率或 F1 值都是什么，如何使用它們度量模型的好壞？」、「你能介紹數據清洗和數據預處理的主要流程嗎，舉個例子？」。

這些問題都能在前兩部分的知識點中找到答案。后一部分的基本算法就非常多了，從最簡單的 Logistic 回歸到復雜的梯度提升樹，這一部分總結了主流的機器學習算法：

• 信息論

• 邏輯斯蒂回歸

• 支持向量機

• 決策樹

• 集成學習

• 梯度提升決策樹 GBDT

• 隨機森林

其中每一種算法都提供了最核心的概念，例如對于決策樹中的 CART 算法，筆記主要引用了李航《統計學習方法》中的描述：

最后機器學習還有一個關于集成方法的專題。除了支持向量機，集成方法相關的問題在 ML 中也比較重要，因為像 XGboost 和隨機森林等方法在傳統 ML 中效果應該是頂尖的，被問到的概率也大得多。

深度學習

深度學習的內容就相對比較多了，目前也有非常多的筆記或資料，但是我們可能會感覺深度學習的問題并沒有機器學習難。頂多會讓我們手推一個反向傳播算法，不會像手推支持向量機那樣讓我們從表達式推一下卷積網絡。如果要為深度學習打基礎，其實最好的辦法是學習 Ian Goodfellow 的《Deep Learning》，我們只要閱讀這本書的前兩部分：應用數學與機器學習基礎；深度網絡：現代實踐。第三部分因為涉及大量前沿研究的東西，我們暫時可以不急著學。

該項目主要從以下幾個方面介紹深度學習面試知識點：

• 深度學習基礎

• 深度學習實踐

• CNN 專題

• RNN 專題

• 優化算法專題

• 序列建模專題

• 《Deep Learning》整理

前面 6 個專題都是介紹的筆記，每一個專題都有非常多的具體內容，其中序列建模專題還引用了機器之心綜述的從循環到卷積，探索序列建模的奧秘。如下展示了優化算法專題所包含的內容：

在最后的《Deep Learning》整理中，項目作者給出了五十多道深度學習問題，并根據這些問題介紹《Deep Learning》中的知識點。如下為問題示例，不同的星號表示問題的難度：

自然語言處理與數學

后面的自然語言處理也是最近在重點更新的，目前介紹的方面主要有；

• 自然語言處理基礎

• NLP 發展趨勢

• 詞嵌入專題

• 句嵌入專題

• 多模態專題

• 視覺問答綜述

• 深度理解查詢

NLP 很多知識點其實都不算基礎內容，這需要根據我們自己學習的領域收集復習內容。不過像 NLP 基礎或詞嵌入等知識點，項目作者介紹得很詳細，它們也是 NLP 面試必備知識。

最后還有一些數學知識點，它們是算法工程師面試所需要具備的基礎。例如今日頭條算法工程師的實習生面試會問：「在圓環上隨機選取 3 個點，這 3 個點組成銳角三角形的概率？」，或者其它算個積分之類的。項目作者主要為面試準備了以下幾方面的知識點;

• 概率論

• 微積分本質

• 深度學習核心

其中深度學習核心主要包含非線性激活函數、梯度下降和反向傳播。

算法題和筆試題

對于編程面試，基礎算法是必不可少的，它們一般體現在筆試題上，例如數據結構、動態規劃或排列組合等。很多開發者可能感覺筆試解題會很難，因為題目并不會告訴你需要用什么樣的基礎算法來解決，全靠我們自己一步步解析題目。這就要求我們對各種基礎算法都比較熟悉，項目作者提供了以下基本算法專題：

• 字符串

• 數據結構

• 高級數據結構

• 動態規劃

• 雙指針

• 區間問題

• 排列組合

• 數學問題

• Shuffle、采樣、隨機數

• 大數運算

• 海量數據處理

這些算法題會介紹具體的問題、解題思路以及對應的解題代碼。例如在數據結構中，我們如何判斷樹 B 是不是樹 A 的子樹。

如下所示為解題代碼，注意基本上各基礎算法的題解都是用 C++寫的，作者會引用劍指 Offer 題解和 Leetcode 題解等的解決方案。

class?Solution?{
public:
????bool?HasSubtree(TreeNode*?p1,?TreeNode*?p2)?{
????????if?(p1?==?nullptr?||?p2?==?nullptr)??//?約定空樹不是任意一個樹的子結構
????????????return?false;

????????return?isSubTree(p1,?p2)????//?判斷子結構是否相同
????????????||?HasSubtree(p1->left,?p2)??????//?遞歸尋找樹?A?中與樹?B?根節點相同的子節點
????????????||?HasSubtree(p1->right,?p2);
????}

????bool?isSubTree(TreeNode*?p1,?TreeNode*?p2)?{
????????if?(p2?==?nullptr)?return?true;????????//?注意這兩個判斷的順序
????????if?(p1?==?nullptr)?return?false;

????????if?(p1->val?==?p2->val)
????????????return?isSubTree(p1->left,?p2->left)????//?遞歸判斷左右子樹
????????????????&&?isSubTree(p1->right,?p2->right);
????????else
????????????return?false;
????}
};

此外，該項目還提供了 IO 模板和必備算法模板。作者表示不少筆試不像 LeetCode 那樣可以自動完成 I/O，我們需要手動完成數據 I/O，而且如果我們沒有 ACM 經驗，很可能會在這上面浪費很多時間。因此這里總結的幾種常見 IO 模板對于編程面試有很大的幫助，另外的算法模板同樣也是。

例如如果我們輸入不定數量個 Input，且以某個特殊輸入為結束標志，那么用 C 語言實現的模板為：

//?示例?1
int?a,?b;
while?(scanf("%d?%d",?&a,?&b)?!=?EOF?&&?(a?!=?0?&&?b?!=?0))?{
????//?...
}

//?或者
while?(scanf("%d?%d",?&a,?&b)?!=?EOF?&&?(a?||?b))?{
????//?...
}

//?示例?2
int?n;
while?(scanf("%d",?&n)?!=?EOF?&&?n?!=?0)?{
????//?...
}

用 C++實現的模板為：

//?示例?1
int?a,?b;
while?(cin?>>?a?>>?b)?{
????if?(a?==?0?&&?b?==?0)
????????break;
????//?...
}

//?示例?2
int?n;
while?(cin?>>?n?&&?n?!=?0)?{
????//?...
}

面試真題

最后，項目作者還收集了十多家科技企業面試真題，并介紹從一面到三面的內容與經驗。

例如以下是頭條/字節跳動-深度學習/NLP 方向的三面概覽：

具體的面試題也會提供，如下所示為字節跳動 18 年 8 月的筆試題：積分卡牌游戲。

當然給了題目，對應的解決方案也會提供：

#?輸入處理
n?=?int(input())
x,?y?=?[],?[]
for?i?in?range(n):
????_x,?_y?=?list(map(int,?input().split()))
????x.append(_x)
????y.append(_y)

xy?=?list(zip(x,?y))
xy?=?sorted(xy,?key=lambda?t:?t[1])

ret?=?0
if?sum(x)?%?2?==?0:??#?如果所有?x?的和為偶數
????print(sum(y))????#?直接輸出所有?y?的和
else:
????for?i?in?range(len(xy)):
????????if?xy[i][0]?%?2?==?1:??#?去掉?x?中為奇數的那一項
????????????ret?=?sum([xy[j][1]?for?j?in?range(len(xy))?if?j?!=?i])
????????????print(ret)
????????????break

————

編輯?∑ Gemini

來源：機器之心

微信公眾號“算法數學之美”，由算法與數學之美團隊打造的另一個公眾號，歡迎大家掃碼關注！

更多精彩：

?如何向5歲小孩解釋什么是支持向量機（SVM）？

?自然底數e的意義是什么？

?費馬大定理，集驚險與武俠于一體

?簡單的解釋，讓你秒懂“最優化” 問題

?一分鐘看懂一維空間到十維空間

??本科、碩士和博士到底有什么區別？

?小波變換通俗解釋

?微積分必背公式

?影響計算機算法世界的十位大師

?數據挖掘之七種常用的方法

算法數學之美微信公眾號歡迎賜稿

稿件涉及數學、物理、算法、計算機、編程等相關領域，經采用我們將奉上稿酬。

投稿郵箱：math_alg@163.com

總結

以上是生活随笔為你收集整理的春招已近，这份GitHub万星的ML算法面试大全请收下的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。