- 昨天機器之心介紹了 PHD 大牛的求職之路，很多讀者感覺這位大牛太厲害了，他的經歷對我們幫助不大。對於一般的機器學習求職者而言，最基礎的就是掌握 Python 程式設計技巧，隨後才是相關演算法或知識點的掌握。在這篇文章中，我們將介紹一個 Python 練習題專案，它從演算法練習題到機試實戰題提供了眾多問題與解決程式碼。
在春招之前，我們就曾介紹過 GitHub 萬星的 ML 演算法工程師面試指南，它提供了完整的面試知識點、程式設計題及題解、各科技公司的面試題錦等內容。讀者可查閱該專案瞭解機器學習面試需要準備哪些知識。
- 專案地址：https://github.com/imhuay/Algorithm_Interview_Notes-Chinese
在這個 2W+ 收藏量的 GitHub 專案中，作者前一部分主要介紹了機器學習及各子領域的知識點。其中每一個知識點都只提供最核心的概念，如果讀者遇到不熟悉的演算法或者遇到知識漏洞，可以進一步閱讀相關文獻。後一部分則重點介紹了怎樣搞定程式設計面試題，包括各種資料結構和排列組合相關的題目。
一般而言，第一部分的基礎知識是長期積累的結果，但對於後面的 Python 面試題，我們可以透過刷題快速提升解題水平。這篇文章重點在於介紹兩個 Python 面試題專案，它們提供了大量 Python 問題與解題程式碼。
面試怎麼做
在進入 Python 題海之前，我們還是先要了解了解面試流程。面試形式和過程大致如下：
電話篩選（隱形的現場面試）：這個過程一般由 HR 完成，如果是技術人員負責，這個過程一般都很短。
技術面試：你將和實際開發人員進行這一輪面試，在這期間他們會深入瞭解你的知識背景。
技術評估/homework 程式設計/結對程式設計：一般而言，如果一家公司的面試有結對程式設計環節，那絕對是加分的。homework 程式設計也能理解，但絕大多數情況下這都是在浪費每個人的時間，也無法正確評估技術水平。
最終面試：和團隊其他成員見面，如果這是一家小公司的話，這一輪面試你面對的可能是創始人（們）。
發放 offer。
當然，每家公司都會有所不同，這只是你在找工作的過程中可能經歷的大致過程。一般技術面試考察的是我們的背景知識，而技術評估則需要語言解決實際問題了。本文的這兩個專案，可以讓你搞定公司的技術評估，當然其實目前很多書籍與網站都在解決這個問題，例如劍指 Offer 和 LeetCode 等等。
Interview-code-practice-python
首先在第一個專案中，作者給出了 2017 校招真題、劍指 offer、華為機試、機試題和直通 BAT 演算法題等各種 Python 實現，它們共計 200 道左右。
- 專案地址：https://github.com/leeguandong/Interview-code-practice-python
如下展示了劍指 offer 資料夾包含的實現文件，每一個問題都是單獨的 Python 檔案：
整個專案有很多有意思的題目，例如「變態青蛙跳.py」包含的題目與題解程式碼為：
「合唱團.py」內的程式碼如下：
The Algorithms - Python
第二個專案是更流行的一個 Python 程式碼庫，它目前有 2.4W+的星。該專案實現的各種演算法都是用純 Python 完成的，它希望更簡介地展示這些問題怎樣解決，因此相比 Python 標準庫中實現的方法可能效率不那麼高。
- 專案地址：https://github.com/TheAlgorithms/Python
目前該專案展示的解決方案主要有：
排序
搜尋
圖
數學
演算法分析
二元樹
資料結構
影像處理
動態規劃
線性代數
機器學習
雜湊
……
這個專案的演算法實現非常多，我們可以根據實際需要選擇具體的類別，並檢視給出的解決方案。如果我們希望瞭解排序演算法，那麼選擇排序後我們大概能看到近 30 種不同的排序實現：
其中，在演算法入門第一課「bubble_sort.py」中，該專案給出的氣泡排序解決方案為：
該專案提供的實現很多都非常底層，在「Math」中，我們可以瞭解到如何實現絕對值求解、求最大最小值等等，當然也可以瞭解到矩陣乘法是如何實現的。該專案其實對面試很有幫助，雖然它並不是直接解決特定的某個問題，但是復現一般的 Python 函式或者基本問題對於理解 Python 很有幫助。
綜合以上兩個 Python 實現專案，不論是解題技巧，還是對 Python 的理解，我們的實戰能力都會有很大的提升。就像理解神經網路最好的方法是用純 NumPy 實現一遍，理解 Python 的最好方法即過一遍基本函式與結構。有了充足的理解，再看看面試真題或在 LeetCode、牛客網就比較簡單了。