本帖最后由 木马童年 于 2018-1-4 10:05 编辑
自己参与面试的提供算法岗位的公司有 BAT、小米、360、飞维美地、宜信、猿题库 等，根据业务的不同，岗位职责大概分为：
1、平台搭建类
数据计算平台搭建，基础算法实现，当然，要求支持大样本量、高维度数据，所以可能还需要底层开发、并行计算、分布式计算等方面的知识；
2、算法研究类
文本挖掘，如领域知识图谱构建、垃圾短信过滤等；
推荐，广告推荐、APP 推荐、题目推荐、新闻推荐等；
排序，搜索结果排序、广告排序等；
广告投放效果分析；
互联网信用评价；
图像识别、理解。
3、数据挖掘类
商业智能，如统计报表；
用户体验分析，预测流失用户。
以上是根据本人求职季有限的接触所做的总结。有的应用方向比较成熟，业界有足够的技术积累，比如搜索、推荐，也有的方向还有很多开放性问题等待探索，比如互联网金融、互联网教育。在面试的过程中，一方面要尽力向企业展现自己的能力，另一方面也是在增进对行业发展现状与未来趋势的理解，特别是可以从一些刚起步的企业和团队那里，了解到一些有价值的一手问题。
以下首先介绍面试中遇到的一些真实问题，然后谈一谈答题和面试准备上的建议。
1、你在研究/项目/实习经历中主要用过哪些机器学习/数据挖掘的算法？
2、你熟悉的机器学习/数据挖掘算法主要有哪些？
3、你用过哪些机器学习/数据挖掘工具或框架？
4、基础知识
无监督和有监督算法的区别？ SVM 的推导，特性？多分类怎么处理？ LR 的推导，特性？ 决策树的特性？ SVM、LR、决策树的对比？ GBDT 和 决策森林 的区别？ 如何判断函数凸或非凸？ 解释对偶的概念。 如何进行特征选择？ 为什么会产生过拟合，有哪些方法可以预防或克服过拟合？ 介绍卷积神经网络，和 DBN 有什么区别？ 采用 EM 算法求解的模型有哪些，为什么不用牛顿法或梯度下降法？ 用 EM 算法推导解释 Kmeans。 用过哪些聚类算法，解释密度聚类算法。 聚类算法中的距离度量有哪些？ 如何进行实体识别？ 解释贝叶斯公式和朴素贝叶斯分类。 写一个 Hadoop 版本的 wordcount。
| 
