AI offer面经分享：薪资近乎翻倍，题库里的xgboost笔记看了不下十遍

2019 年 3 月 10 日 七月在线实验室

undefined

导读：金三银四之际，小伙伴们最近是不是都在忙着投简历找工作呢，是否已经成功offer到手了？

今天，小编和大家分享一篇AI offer面经，这篇面经是我们机器学习集训营5学员vincent分享的，看看他是如何学习机器学习？如何实现薪资翻倍涨？以及一起来看看哪些是面试中的常问的问题？希望对大家面试有所帮助，以下是面经原文。

本人是机器学习集训营五期的学员，vincent，本科二本，硕士双非，之前做的数据分析都没怎么用上模型。17年毕业，一开始做的工作不是机器学习，后来18年年中换了一份工作，也开始报七月在线课程。

七月在线的各个老师的课程让算法显得通俗易懂。下半年边学习课程边在一家外包公司工作，帮民生银行做数据挖掘项目，期间用到pandas，numpy，rf，xgboost去处理项目数据建模。用的是包，而算法过程是从十月份开始看。从推导lr开始，再到svm，adaboost，xgboost，集成算法一开始看都是一脸懵逼，网上看很多资料，看了火大，抄来抄去，看不懂。

首选校长的博客，看xgboost那篇博客我看了不下十遍，adaboost的过程看了也有好几遍，直到确定自己懂了并且能写出来，推导损失函数。另外，对cnn的文章，校长的博客也是首选。（小编注：校长July的SVM、adaboost、xgboost、CNN等笔记都能在七月在线的题库里搜索到，题库也是校长一直提倡的四大金刚之一：课程题库 OJ 竞赛）

到了面试公司了，寒老师给了我简历上的建议，也认真思考了一下。今年面了几家公司，前后花了一个多月找的工作。算法内容从自己懂再到讲诉是不同的过程，第一次面试我连xgboost的损失函数都没写出来，直接就被拜拜了。后面就一直看校长的博客，反复看，看集成算法bagging和boosting，再看cnn。

后续参加几家公司的面试。主要问的是二分类的评估指标，svm核函数的作用，集成算法的过程，介绍决策树再到随机森林，包括决策树的信息熵信息增益和增益率、基尼系数，各个指标选取最大还是最小；xgboost的整个过程；关于建模特征选取的rfm模型，faster rcnn与rcnn的区别，还有数据结构的排序。

最后我选择一家做医药机器学习的公司，这公司也有做cv的产品，工资是近乎翻倍，挺满意的。后续沿着机器学习加深度学习两方面的应用发展。再次感谢七月在线，感谢寒老师，特别感谢校长的博客，祝福七月在线的朋友都能找到好工作。

以上就是我们学员分享的AI面经，希望对大家在面试和学习中有所帮助。在这里，也非常感谢vincent的分享，希望你越来越好，事业更上一层楼~

参考链接：

校长博客地址：https://blog.csdn.net/v_JULY_v

题库地址：https://www.julyedu.com/question（下载七月在线APP可直接刷题）