AI offer面經分享:薪資近乎翻倍,題庫裡的xgboost筆記看了不下十遍

七月線上實驗室發表於2019-03-11

640?wx_fmt=png

導讀:金三銀四之際,小夥伴們最近是不是都在忙著投簡歷找工作呢,是否已經成功offer到手了?

今天,小編和大家分享一篇AI offer面經,這篇面經是我們機器學習集訓營5學員vincent分享的,看看他是如何學習機器學習?如何實現薪資翻倍漲?以及一起來看看哪些是面試中的常問的問題?希望對大家面試有所幫助,以下是面經原文。

本人是機器學習集訓營五期的學員,vincent,本科二本,碩士雙非,之前做的資料分析都沒怎麼用上模型。17年畢業,一開始做的工作不是機器學習,後來18年年中換了一份工作,也開始報七月線上課程。


七月線上的各個老師的課程讓演算法顯得通俗易懂。下半年邊學習課程邊在一家外包公司工作,幫民生銀行做資料探勘專案,期間用到pandas,numpy,rf,xgboost去處理專案資料建模。用的是包,而演算法過程是從十月份開始看。從推導lr開始,再到svm,adaboost,xgboost,整合演算法一開始看都是一臉懵逼,網上看很多資料,看了火大,抄來抄去,看不懂。


首選校長的部落格,xgboost那篇部落格我看了不下十遍,adaboost的過程看了也有好幾遍,直到確定自己懂了並且能寫出來,推導損失函式。另外,對cnn的文章,校長的部落格也是首選。(小編注:校長July的SVM、adaboost、xgboost、CNN等筆記都能在七月線上的題庫裡搜尋到,題庫也是校長一直提倡的四大金剛之一:課程 題庫 OJ 競賽)


到了面試公司了,寒老師給了我簡歷上的建議,也認真思考了一下。今年面了幾家公司,前後花了一個多月找的工作。演算法內容從自己懂再到講訴是不同的過程,第一次面試我連xgboost的損失函式都沒寫出來,直接就被拜拜了。後面就一直看校長的部落格,反覆看,看整合演算法bagging和boosting,再看cnn。


後續參加幾家公司的面試。主要問的是二分類的評估指標,svm核函式的作用,整合演算法的過程,介紹決策樹再到隨機森林,包括決策樹的資訊熵資訊增益和增益率、基尼係數,各個指標選取最大還是最小;xgboost的整個過程;關於建模特徵選取的rfm模型,faster rcnn與rcnn的區別,還有資料結構的排序。


最後我選擇一家做醫藥機器學習的公司,這公司也有做cv的產品,工資是近乎翻倍,挺滿意的。後續沿著機器學習加深度學習兩方面的應用發展。再次感謝七月線上,感謝寒老師,特別感謝校長的部落格,祝福七月線上的朋友都能找到好工作。


以上就是我們學員分享的AI面經,希望對大家在面試和學習中有所幫助。在這裡,也非常感謝vincent的分享,希望你越來越好,事業更上一層樓~


參考連結:

校長部落格地址:https://blog.csdn.net/v_JULY_v

題庫地址:https://www.julyedu.com/question(下載七月線上APP可直接刷題)


640?wx_fmt=png


640?wx_fmt=gif

今日學習推薦


機器學習集訓營第八期

火熱報名中

前三十人特惠價:14199

2019年4月15日開課

報名加送18VIP[包2018全年線上課程和全年GPU]


且兩人及兩人以上組團還能各減500元

有意的親們抓緊時間嘍


諮詢/報名/組團可新增微信客服

julyedukefu_02


掃描下方二維碼

免費試聽

640?wx_fmt=png

長按識別二維碼



640?wx_fmt=gif


助力“金三銀四”

分享一套全體系人工智慧學習資料

600G資料 限時限額0元領

小夥伴們可以屯起來,慢慢學習喔~


掃描下方海報二維碼

 立即領取

640?wx_fmt=png

往期推薦






【實戰分享】電影推薦系統專案實戰應用

萬字長文概述NLP中的深度學習技術

34個最優秀好用的Python開源框架

神經網路P圖新神器:摘墨鏡戴美瞳都能搞定,加首飾換髮型真假難分 | 程式碼開源

一文詳解機器學習中最好用的提升方法:Boosting 與 AdaBoost


諮詢,檢視課程,請點選“閱讀原文

給我【好看

你也越好看!

640?wx_fmt=png

相關文章