Skip to content

Commit 701cabc

Browse files
amusiamusi
committed
添加数十道【机器学习】【数据结构与算法】【编程语言】面试题
1 parent 52bf98e commit 701cabc

File tree

5 files changed

+68
-11
lines changed

5 files changed

+68
-11
lines changed

‎docs/数据结构与算法.md

Lines changed: 4 additions & 0 deletions
Original file line numberDiff line numberDiff line change
@@ -1107,6 +1107,10 @@ if __name__ == "__main__":
11071107

11081108
- [ ] TODO
11091109

1110+
### 手写双向链表
1111+
1112+
- [ ] TODO
1113+
11101114
## 打印螺旋矩阵
11111115

11121116
- [ ] TODO

‎docs/机器学习.md

Lines changed: 31 additions & 3 deletions
Original file line numberDiff line numberDiff line change
@@ -103,7 +103,7 @@ $$J(\phi(z),y;w)=-yln(\phi(z))-(1-y)ln(1-\phi(z))$$
103103
- [逻辑回归算法面经](https://zhuanlan.zhihu.com/p/46591702)
104104
- [Logistic Regression 模型简介](https://tech.meituan.com/2015/05/08/intro-to-logistic-regression.html)
105105

106-
### 为什么逻辑回归模型要使用 sigmoid 函数
106+
### 为什么逻辑回归模型要使用 sigmoid 函数？
107107

108108
1.广义模型推导所得
109109
2.满足统计的最大熵模型
@@ -117,6 +117,10 @@ $$J(\phi(z),y;w)=-yln(\phi(z))-(1-y)ln(1-\phi(z))$$
117117

118118
- [ ] TODO
119119

120+
### 为什么logistic回归用交叉熵损失而不是平方损失？
121+
122+
- [ ] TODO
123+
120124
### 逻辑斯蒂回归能否解决非线性分类问题？
121125

122126
- [ ] TODO
@@ -438,7 +442,19 @@ Adaboost采用迭代的思想，每次迭代只训练一个弱分类器，训练
438442

439443
- [ ] TODO
440444

441-
### XGBoost相对于GBDT有什么不同？
445+
### XGBoost 相对于GBDT有什么不同？
446+
447+
- [ ] TODO
448+
449+
### XGBoost 如何做到自定义损失函数？
450+
451+
- [ ] TODO
452+
453+
### XGBoost 如何防止过拟合？
454+
455+
- [ ] TODO
456+
457+
### XGBoost 为什么不用后剪枝？
442458

443459
- [ ] TODO
444460

@@ -525,7 +541,11 @@ until 簇不发生变化或达到最大迭代次数
525541

526542
- [Kmeans算法与KNN算法的区别](https://www.cnblogs.com/peizhe123/p/4619066.html)
527543

528-
### K-Meansz 中的 K 怎么确定？
544+
### K-Means 中的 K 怎么确定？
545+
546+
- [ ] TODO
547+
548+
### K-Means 的迭代循环停止条件
529549

530550
- [ ] TODO
531551

@@ -608,6 +628,10 @@ until 簇不发生变化或达到最大迭代次数
608628

609629
- [ ] TODO
610630

631+
### 决策树如何防止过拟合？
632+
633+
- [ ] TODO
634+
611635
**参考资料**
612636

613637
- [机器学习之-常见决策树算法(ID3、C4.5、CART)](https://shuwoom.com/?p=1452)
@@ -1221,6 +1245,10 @@ L2正则化参数
12211245

12221246
从上述公式可以看到，λ越大，θj衰减得越快。另一个理解可以参考图2，λ越大，L2圆的半径越小，最后求得代价函数最值时各参数也会变得很小。
12231247

1248+
### L1 和 L2 正则化的区别
1249+
1250+
- [ ] TODO
1251+
12241252
### 机器学习中常常提到的正则化到底是什么意思？
12251253

12261254
- [ ] TODO

‎docs/深度学习.md

Lines changed: 5 additions & 1 deletion
Original file line numberDiff line numberDiff line change
@@ -389,6 +389,10 @@ ReLU 相关变体
389389

390390
- [ ] TODO
391391

392+
## 1*1 卷积有什么作用？
393+
394+
- [ ] TODO
395+
392396
## AlexNet
393397

394398
- 使用ReLU激活函数
@@ -610,7 +614,7 @@ identity mapping顾名思义，就是指本身，也就是公式中的x，而res
610614

611615
- [ResNeXt算法详解](https://blog.csdn.net/u014380165/article/details/71667916)
612616

613-
## Inception（V1-V4）
617+
## Inception系列（V1-V4）
614618

615619
### InceptionV1
616620

‎docs/编程语言.md

Lines changed: 13 additions & 1 deletion
Original file line numberDiff line numberDiff line change
@@ -165,6 +165,10 @@ b(static): 9
165165

166166
- [ ] TODO
167167

168+
#### 如何实现多态？
169+
170+
- [ ] TODO
171+
168172
### 虚函数
169173

170174
- [ ] TODO
@@ -177,6 +181,10 @@ b(static): 9
177181

178182
- [ ] TODO
179183

184+
### 左值和右值
185+
186+
- [ ] TODO
187+
180188
### C++的设计模式
181189

182190
- 工厂模式
@@ -235,7 +243,11 @@ b(static): 9
235243

236244
- [ ] TODO
237245

238-
### STL中的vector和list的区别
246+
### STL中的 vector 和 list 的区别
247+
248+
- [ ] TODO
249+
250+
### STL中的 vector 和 map 的底层结构
239251

240252
- [ ] TODO
241253

‎docs/面试经验.md

Lines changed: 15 additions & 6 deletions
Original file line numberDiff line numberDiff line change
@@ -34,10 +34,19 @@
3434

3535
如果导师是学术大牛，可以带你发顶会的论文，并且自己对方向比较感兴趣，那可以在实验室待着好好搞科研。如果你研究生的研究方向跟你以后的求职方向不一致，建议早点出来实习，找个对口的实习，实习才能发现，实际工作和在学校学习的东西差距比较大。
3636

37+
**经验二：**
38+
39+
1. 实习！算法岗如果不是科班出身，实验室没有项目，一定要去大厂实习；
40+
2. Coding！相较于前两年，编程能力在面试算法工程师过程中，所占比重越来越大，特别是百度、头条这些大厂；
41+
3. 提前规划！ 建议多看看面试经验，提前做好规划，按照计划去复习，尽量在提前批搞定；大厂在提前批名额会比较多，像阿里秋招HC已经很少了；
42+
4. 找靠谱的人内推！
43+
5. 找同样岗位的同学一起准确、相互监督。
44+
3745
**参考资料**
3846

3947
- [算法岗计算机视觉方向求职经验总结](https://www.nowcoder.com/discuss/61601)
4048
- [一名渣渣C++程序员的心酸春招/秋招记【篇幅较长，慎入】](https://www.nowcoder.com/discuss/57942?type=0&order=0&pos=85&page=2)
49+
- [机器学习/数据挖掘岗2019秋招总结 ](https://www.nowcoder.com/discuss/138721?type=0&order=0&pos=13&page=1)
4150

4251
<a name="HR"></a>
4352

@@ -140,12 +149,12 @@
140149
- [ ] [新鲜出炉的算法岗面经！！](https://www.nowcoder.com/discuss/139810?type=2&order=0&pos=8&page=1)
141150
- [ ] [我的 offer 选择心路历程](https://www.nowcoder.com/discuss/139622?type=0&order=0&pos=20&page=1)
142151
- [ ] [从ML零基础到斩获BAT offer ---我的秋招面经总结](https://www.nowcoder.com/discuss/138076?type=0&order=0&pos=6&page=1)
143-
- [ ] [机器学习/数据挖掘岗2019秋招总结 ](https://www.nowcoder.com/discuss/138721?type=0&order=0&pos=13&page=1)
144-
- [ ] [OPPO2019提前批计算机视觉算法开发工程师凉经](https://www.nowcoder.com/discuss/138577?type=0&order=0&pos=11&page=1)
145-
- [ ] [个人秋招算法岗总结、面经](https://www.nowcoder.com/discuss/137778?type=0&order=0&pos=27&page=1)
146-
- [ ] [技术面试需要掌握的基础知识整理](https://www.nowcoder.com/discuss/66985)
147-
- [ ] [2019届算法工程师秋招总结](https://www.nowcoder.com/discuss/138474?toCommentId=2301850)
148-
- [ ] [C++后台研发工程师2018年BAT华为网易等面经总结](https://www.nowcoder.com/discuss/103939?type=0&order=0&pos=41&page=1)
152+
- [x] [机器学习/数据挖掘岗2019秋招总结 ](https://www.nowcoder.com/discuss/138721?type=0&order=0&pos=13&page=1)
153+
- [x] [OPPO2019提前批计算机视觉算法开发工程师凉经](https://www.nowcoder.com/discuss/138577?type=0&order=0&pos=11&page=1)
154+
- [x] [个人秋招算法岗总结、面经](https://www.nowcoder.com/discuss/137778?type=0&order=0&pos=27&page=1)
155+
- [x] ♥♥ [技术面试需要掌握的基础知识整理](https://www.nowcoder.com/discuss/66985)
156+
- [x] [2019届算法工程师秋招总结](https://www.nowcoder.com/discuss/138474)
157+
- [x] [C++后台研发工程师2018年BAT华为网易等面经总结](https://www.nowcoder.com/discuss/103939?type=0&order=0&pos=41&page=1)
149158
- [x] [一名985小硕的CV算法秋招面经和经历总结](https://www.nowcoder.com/discuss/122246?type=0&order=0&pos=23&page=1)
150159
- [x] [算法岗面经（阿里头条网易爱奇艺等）](https://www.nowcoder.com/discuss/116512)
151160
- [x] ♥♥♥ [C++面试题整理，量有点大，整整150页word文档](https://www.nowcoder.com/discuss/116903?type=0&order=0&pos=13&page=1)

0 commit comments

Comments
 (0)