机器学习面试准备大全 - 技能要求及面试例题参考

作者 | Lin Lee

编辑 | Levene

专栏 | 九章算法

机器学习的知识点涵盖的范围很广。机器学习的面试一般也都是采用理论与实践紧密结合的方式。 所以对于初学者来说，这无疑大大增加了面试准备的难度。

那么我们要 如何准备机器学习面试 才能最后通过面试，斩获offer呢？

首先你要清楚你面试的境况—

为什么 你申请的公司会有这样一个职位开放着

这是在准备面试过程中极为重要的一个问题，因为如果你知道自己会被问到什么，你就能更好地了解自己能给公司带来什么价值。

当你在申请这个职位时，你还可以想象自己已经得到这份工作后的情景。要做到这一点，你需要尽可能多的了解关于 这家公司和这个职位的相关信息 。

并问自己： 我能为这家公司 解决一个怎样的核心问题？

在寻找这个问题答案的过程中，你能了解到更多关于这个问题的信息，比如：现有的解决方案、近几年发展的新趋势等。并且在这个过程中，你甚至还能看清这个问题具体的难点和挑战在哪里。

如果你明确地 知道 自己申请的职位是属于哪个团队的，选择一个合适的问题可能会更简单一点；如果 不知道 的话，就挑选一个对公司来说比较重要的问题。除此以外，你还可以思考这家公司目前面临着怎样的挑战，然后试着推测他们可能会问的问题。

在找出问题之后，下一步

你就应该思考你需要 怎样的数据 来解决这个问题。

其中一些数据可能是现成的，而另外一些数据可能需要你写一些额外的代码来收集。

试着去深入了解这家公司的 基础建设和业务 ，比如：它们使用什么栈，它们有什么APIs(应用程序接口)，它们已有的数据库，等等。

现今大多数公司都会有自己的博客，用来讨论它们遇到的困难、采取的解决方案以及分享它们成功和失败的案例。所以你可以 通过公司的博客 来更深入地了解公司的运营方式，以及你即将面试的公司已经有了怎样的产品和服务等。

现在你需要做一个 相当大的思维跳跃 ：

举个例子，大多推荐系统如Netflix和Amazon最初面临的挑战都是 聚类 而不是预测，也就是说，一旦你能将用户分别划分成有相似喜好的群组和行为相近的群组，再给他们推荐产品就变得简单多了。

这个思维过程有助于你在面试中更好地 讨论公司最关心的问题 。没有面试官指望你能在面试时能把一个他们已经研究了几个月甚至几年的问题给完全解决。但是面试官都喜欢对他所真正关心的问题展示出兴趣、活力和好奇心的应聘者。

根据面试官和面试环节的不同，你可能会被问到更技术性的问题，你应该尝试用这个机会来展示自己对公司的了解和对角色的定位。

当被问及到更开放性的问题时，例如：“请描述一个你曾经在做项目时遇到的技术难题，以及你是是如何解决它的？”最好 选择一个跟公司有关的话题 来回答。

我们在这里将机器学习工程师需要掌握的 基本技能 分为五类：

对于所有这些问题，你都要能够推导出你的方法的时间和空间复杂度，并且尽可能用最低复杂度解决问题。

只有通过 大量的练习 才能对这些不同类型的问题烂熟于胸，这样你就能够在面试时快速给出一个有效的解决方案。

常用的算法面试准备平台有 Lintcode、LeetCode、Interview Cake 等。

很多机器学习算法 以概率论与统计学作为基础 。所以对这些基础知识有清晰的概念非常重要，同时，你也要能够将这些抽象的公式与实际联系起来。