机器学习面试需要关注哪些要点?英伟达高级机器学习工程Aqeel Anwar撰写的这份18页精炼《机器学习面试速查表》详述了机器学习中的关键要点,非常值得收藏!
几年前,我开始申请机器学习和ML系统设计领域的实习机会。这几年来,我一直在学习和积极研究ML领域。我对大部分的基本主题都很熟悉。但当我开始面试时,我意识到尽管我对主题有一个大致的了解,但我需要快速浏览一遍才能完美回答。
我意识到每次面试前,我都要把机器学习主题再过一遍。所以,我创造了我的手写笔记。浏览它们比浏览幻灯片和书中的章节要容易得多。它在很短的时间内迅速提高了我的理解力。我决定把我的手写笔记转换成紧凑的速查表,以便在ML和数据科学面试或工作中派上用场。
对于每个主题,我都提供了
以速查表的形式概述
面试问题
详细了解该主题的推荐文章。
目录内容
Machine Learning:
1. 偏差-方差权衡 Bias-Variance Tradeoff
2. 分类中的不平衡数据 Imbalanced Data in Classification
3. PCA降维 PCA Dimensionality Reduction
4. 贝叶斯定理与分类器 Bayes' Theorem and Classifier
5.回归分析 Regression Analysis
6. 机器学习正则 Regularization in ML
7. 卷积神经网络 Convolutional Neural Network
8. 主流CNNs Famous CNNs
9. 机器学习集成方法 Ensemble Methods in Machine Learning
Interview Preparation:
1. 数据结构 Data Structures
2. 如何Coding面试 How to prepare for coding interviews?
3. 行为面试 How to prepare for behavioral interview?
4. How to answer a behavioral question?
机器学习模型的偏差和方差
a) 示例问题:
什么是ML模型中的偏差?
什么是ML模型中的方差?
偏差和方差之间的权衡是什么?
高偏差/高方差ML模型的缺点是什么?
如何根据训练数据大小选择模型(高偏差或高方差)?
b) 详细的文章:
理解偏差-方差的权衡,并通过示例和python代码将其可视化
https://towardsdatascience.com/understanding-the-bias-variance-tradeoff-and-visualizing-it-with-example-and-python-code-7af2681a10a7
机器学习不平衡数据
a) 示例问题:
什么是分类中的不平衡数据?
准确性是一个好的性能指标吗?什么时候它不能捕捉ML系统的性能?
什么是精确度和召回?举个例子
如何解决数据不平衡的问题?
b) 详细的文章:
通过一个视觉速查表来了解机器学习中的不平衡类别
https://towardsdatascience.com/a-walk-through-imbalanced-classes-in-machine-learning-through-a-visual-cheat-sheet-974740b19094
贝叶斯理论
a) 示例问题:
什么是贝叶斯定理?
一个简单的例子来实现贝叶斯定理
MLE和MAP的区别是什么?
什么时候MAP和MLE相等?
b) 详细的文章:
机器学习的贝叶斯定理简介
https://machinelearningmastery.com/bayes-theorem-for-machine-learning/
深度神经网络
a) 示例问题:
ResNet网络如何解决梯度渐变消失的问题?
初始网络的主要关键特征之一是什么?
ResNet网络中的短连接有哪些?
b) 详细的文章:
AlexNet、VGGNet、ResNet和Inception之间的区别
数据结构
如何准备做Coding面试
机器学习面试要点
参考链接:
https://medium.com/swlh/cheat-sheets-for-machine-learning-interview-topics-51c2bc2bab4f
专知便捷查看
便捷下载,请关注专知公众号(点击上方蓝色专知关注)
后台回复“MLS18” 就可以获取《18页精炼《机器学习面试速查表》》专知下载链接