75道常見AI面試題,看看你的知識盲點在哪?(附解析)
整理 | AI科技大本營
出品 | AI科技大本營(公眾號id:rgznai100)
【導語】正值求職、跳槽季,無論你是換工作還是找實習,沒有真本事都是萬萬不行的,可是如何高效率複習呢?之前我們給大家推薦了一份 Python 面試寶典,收藏了近 300 道面試題,今天為為家精心準備了一份 AI相關崗位的面試題,幫大家掃清知識盲點,自信上場!
機器學習工程師面試
1、你會在時間序列資料集上使用什麼交叉驗證技術?是用k倍或LOOCV?
2、你是怎麼理解偏差方差的平衡的?
3、給你一個有1000列和1百萬行的訓練資料集,這個資料集是基於分類問題的。經理要求你來降低該資料集的維度以減少模型計算時間,但你的機器記憶體有限。你會怎麼做?
4、全球平均溫度的上升導致世界各地的海盜數量減少。這是否意味著海盜的數量減少引起氣候變化?
5、給你一個資料集,這個資料集有缺失值,且這些缺失值分佈在離中值有1個標準偏差的範圍內。百分之多少的資料不會受到影響?為什麼?
6、你意識到你的模型受到低偏差和高方差問題的困擾。那麼,應該使用哪種演算法來解決問題呢?為什麼?
7、協方差和相關性有什麼區別?
8、真陽性率和召回有什麼關係?寫出方程式。
9、Gradient boosting演算法(GBM)和隨機森林都是基於樹的演算法,它們有什麼區別?
10、你認為把分類變數當成連續型變數會更得到一個更好的預測模型嗎?
11:“買了這個的客戶,也買了......”亞馬遜的建議是哪種演算法的結果?
12、在k-means或kNN,我們是用歐氏距離來計算最近的鄰居之間的距離。為什麼不用曼哈頓距離?
13、我知道校正R2或者F值是用來評估線性迴歸模型的。那用什麼來評估邏輯迴歸模型?
14、為什麼樸素貝葉斯如此“樸素”?
15、花了幾個小時後,現在你急於建一個高精度的模型。結果,你建了5 個GBM(Gradient Boosted Models),想著boosting演算法會展現“魔力”。不幸的是,沒有一個模型比基準模型表現得更好。最後,你決定將這些模型結合到一起。儘管眾所周知,結合模型通常精度高,但你就很不幸運。你到底錯在哪裡?
以上題目答案詳解:
https://www.tinymind.cn/articles/109
【推薦收藏】
機器學習教材中的 7 大經典問題
https://www.tinymind.cn/articles/83
演算法工程師面試題
工作中的演算法工程師,很多時候,會將生活中轉瞬即逝的靈感,付諸產品化。
將演算法研究應用到工作中,與純粹的學術研究有著一點最大的不同,即需要從使用者的角度思考問題。很多時候,你需要明確設計的產品特徵、提升的資料指標,是不是能真正迎合使用者的需求,這便要求演算法工程師能在多個模型間選擇出最合適的那個,然後通過快速迭代達到一個可以走向產品化的結果。知識儲備作為成功的根底亦必不可少,以下是營長為你精選的演算法面試,幫你檢查下自己的技能是否線上。
1. LDA(線性判別分析) 和 PCA 的區別與聯絡
2. K-均值演算法收斂性的證明
3. 如何確定 LDA (隱狄利克雷模型) 中主題的個數
4. 隨機梯度下降法的一些改進演算法
5. L1正則化產生稀疏性的原因
6. 如何對貝葉斯網路進行取樣
7. 從方差、偏差角度解釋 Boosting 和 Bagging
8. ResNet的提出背景和核心理論
9. LSTM是如何實現長短期記憶功能的
10. WGAN解決了原始 GAN 中的什麼問題
以上題目答案詳解:
https://www.tinymind.cn/articles/1275
【推薦收藏】
是男人就過8題!樓教主出題,請接招
https://www.tinymind.cn/articles/47
演算法和程式設計面試題精選TOP50!(附程式碼+解題思路+答案)
https://www.tinymind.cn/articles/3759
深度學習12大常見面試題
1.什麼是深度學習?為什麼它會如此受歡迎?
3.深度學習與機器學習有什麼區別?
4.深度學習的先決條件是什麼?
5.選擇哪些工具/語言構建深度學習模型?
6.為什麼構建深度學習模型需要使用GPU?
7.何時(何處)應用神經網路?
8.是否需要大量資料來訓練深度學習模型?
9.哪裡可以找到一些基本的深度學習專案用來練習?
10.深度學習的一些免費學習資源
最後附上深度學習的相關面試問題有哪些?
(1)深度學習模型如何學習? (2)深度學習模型有哪些侷限性? (3)前饋神經網路和遞迴神經網路之間有什麼區別? (4)什麼是啟用特徵函式? (5)什麼是CNN,它有什麼用途? (6)什麼是池化? 簡述其工作原理。 (7)什麼是dropout層,為什麼要用dropout層? (8)什麼是消失梯度問題,如何克服? (9)什麼是優化函式?說出幾個常見的優化函式。
以上題目答案詳解:
https://www.tinymind.cn/articles/608
Python常見面試題
100+Python程式設計題給你練~(附答案)
https://www.tinymind.cn/articles/3987
10個Python常見面試題,這些弄不明白不要說學過Python!
https://www.tinymind.cn/articles/3768
Google人工智慧面試題
1、求導1/x。
2、畫出log (x+10)曲線。
3、怎樣設計一次客戶滿意度調查?
4、一枚硬幣拋10次,得到8正2反。試析拋硬幣是否公平?p值是多少?
5、接上題。10枚硬幣,每一枚拋10次,結果會如何?為了拋硬幣更公平,應該怎麼改進?
6、解釋一個非正態分佈,以及如何應用。
7、為什麼要用特徵選擇?如果兩個預測因子高度相關,係數對邏輯迴歸有怎樣的影響?係數的置信區間是多少?
8、K-mean與高斯混合模型:K-means演算法和EM演算法的差別在哪裡?
9、使用高斯混合模型時,怎樣判斷它適用與否?(正態分佈)
10、聚類時標籤已知,怎樣評估模型的表現?
11、為什麼不用邏輯迴歸,而要用GBM?
12、每年應聘Google的人有多少?
13、你給一個Google APP做了些修改。怎樣測試某項指標是否有增長
14、描述資料分析的流程。
15、高斯混合模型 (GMM) 中,推導方程。
16、怎樣衡量使用者對視訊的喜愛程度?
17、模擬一個二元正態分佈。
18、求一個分佈的方差。
19、怎樣建立中位數的Estimator?
20、如果迴歸模型中的兩個係數估計,分別是統計顯著的,把兩個放在一起測試,會不會同樣顯著?
以上題目答案詳解:
https://www.tinymind.cn/articles/98
蘋果人工智慧面試題
1、有成千上萬個使用者,每個使用者都有 100 個交易,在 10000 個產品和小組中,使用者所參與有意義的部分,你是如何處理這一問題的?
2、為了消除欺詐行為,我們對這些資料進行預篩選,如何才能找到一個資料樣本,幫助我們判斷一個欺詐行為的真實性?
3、給出兩個表格,一個表格用來儲存使用者 ID 以及購買產品 ID(為1個位元組),另一個表格則儲存標有產品名稱的產品 ID。我們嘗試尋找被同一使用者同時購買的這樣一個成對的產品,像葡萄酒和開瓶器,薯片和啤酒。那麼,如何去尋找前 100 個同時存在且成對出現的產品?
4、詳細描述 L1 正則化和 L2 正則化二者之間的區別,特別是它們本身對模型訓練過程的影響有什麼不同?
5、假設你有 10 萬個儲存在不同伺服器上的檔案,你想對所有的檔案進行加工,那麼用 Hadoop 如何處理?
6、Python 和 Scala 之間有什麼區別?
7、解釋一下 LRU Cache 演算法。
8、如何設計一個客戶——伺服器模型,客服端每分鐘都可以傳送位置資料。
9、如何將資料從一個 Hadoop 聚類傳遞給另一個 Hadoop 聚類?
10、Java 中的記憶體有哪些不同的型別?
11、你是如何處理數百個標題中的後設資料這一繁瑣任務的?
12、在資料流和可訪問性方面,如何在隱藏時間幀內進行測量?其中在隱藏時間幀內,核心超負荷將計算機能量重定向到 cellar dome 的過度複雜檔案系統的邊界結構。
13、你最希望擁有的超能力是什麼?
14、如果你有一個時間序列感測器,請預測其下一個讀數。
15、使用 SQL 建立 market basket 輸出。
16、你有沒有過心理物理學實驗的經驗?(Research Portfolio based question)
17、你在表徵方法上的專長是什麼?通常使用什麼?你是如何在研究中使用它,有沒有什麼有趣的結果?(Research Portfolio based question)
18、如何進行故障分析?
19、檢查一個二叉樹是否為左右子樹上的映象。
20、什麼是隨機森林?為什麼樸素貝葉斯效果更好?
以上題目答案詳解:
https://www.tinymind.cn/articles/139
大家可在詳解頁面查詢以上所有問題的答案,面試除了運氣,更多還是需要紮實的基本功。努力刷題吧,祝大家都能所向披靡,順利進入心儀的公司~
(本文為 AI科技大本營整理文章,轉載請微信聯絡 1092722531)
4 月13日-4 月14日,CSDN 將在北京主辦“Python 開發者日( 2019 )”,匯聚十餘位來自阿里巴巴、IBM、英偉達等國內外一線科技公司的Python技術專家,還有數百位來自各行業領域的Python開發者。目前購票通道已開啟,早鳥票限量發售中,3 月15日之前可享受優惠價 299 元(售完即止)。
推薦閱讀:
讓數百萬臺手機訓練同一個模型?Google把這套框架開源了
她們,在”圖形“科研的征途裡灑下堅定信仰
楊超越杯程式設計大賽上熱搜:不懂技術真不敢追星女子偷師男子學校,變身區塊鏈開發工程師,卻說: “這次女人不會再缺席了!”
❤點選“閱讀原文”,檢視歷史精彩文章。
相關文章
- 75道常見AI面試題助你清掃知識盲點(附解析)AI面試題
- 收藏 | 75道常見AI面試題助你清掃知識盲點(附解析)AI面試題
- 大前端常見面試題:HTML常考知識點前端面試題HTML
- 大廠面試常見的幾道SQL題,看你能答嗎?面試SQL
- MySQL 鎖常見知識點&面試題總結MySql面試題
- 常見Java面試知識點總結Java面試
- 求職面試常見問題:Python常見面試題全解析附答案求職Python面試題
- Kafka面試題——20道Kafka知識點Kafka面試題
- 前端面試常見的知識點(四處搜刮)?前端面試
- Java集合類常見面試知識點總結Java面試
- 關於MySQL的知識點與面試常見問題都在這裡MySql面試
- 面試中常見的幾道智力題 來看看你會做幾道(2)?面試
- 常見面試題 - URL 解析面試題
- 技術面試中常見的幾道智力題 來看看你會做幾道?面試
- [ Java面試題 ]Java 開發崗面試知識點解析Java面試題
- SDWebImage面試常問點知識點Web面試
- 常見AI面試題及答案AI面試題
- 32道常見的Java基礎面試題Java面試題
- 【Java】幾道常見的秋招面試題Java面試題
- 設計模式常見面試知識點總結(Java版)設計模式面試Java
- Java面試指北!13個認證授權常見面試題/知識點總結!| JavaGuideJava面試題GUIIDE
- iOS 常見知識點(二):RunLoopiOSOOP
- Java常見知識點彙總(⑨)——異常Java
- 30道CSS 面試知識點總結CSS面試
- Java常見知識點彙總(⑩)——常見設計模式Java設計模式
- 「乾貨」22道機器學習常見面試題目機器學習面試題
- Java常見知識點彙總(⑳)——鎖Java
- Java常見知識點彙總(②)——StaticJava
- 作業系統常見知識點作業系統
- iOS 常見知識點(一):RuntimeiOS
- Android面試常問基礎知識點(附詳細解答)Android面試
- Java 集合常見知識點&面試題總結(上),2022 最新版!Java面試題
- HTTP 的15個常見知識點複習HTTP
- 【Java面試題系列】:Java基礎知識常見面試題彙總 第二篇Java面試題
- Java 基礎常見知識點&面試題總結(下),2022 最新版!Java面試題
- 分享100 道 Linux 常見面試題(上)Linux面試題
- 15道Linux常見面試題,你知道多少?Linux面試題
- JavaScript的基礎知識點(面試題)JavaScript面試題