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，看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）