**月份就要開始找工作了，一直期待能夠成為一名演算法工程師，所以在這裡總結一下演算法工程師常見問題。期待9月秋招時能有乙個好的結果。本篇部落格會一直更新下去。
深度學習
c++、python
劍指offer+leetcode基本就能解決
劍指offer演算法實現
1） 過擬合問題
2） 交叉驗證問題
3） 模型融合問題
4） 模型選擇問題
1) 幾種模型（ svm，lr，gbdt，em ）的原理以及公式推導；
2) rf,gbdt 的區別； gbdt,xgboost的區別（爛大街的問題最好從底層原理去分析回答）；
3) 決策樹處理連續值的方法；
4) 特徵選擇的方法；
5) 過擬合的解決方法；
6) k-means 的原理，優缺點以及改進；
7) 常見分類模型（ svm ，決策樹，貝葉斯等）的優缺點，適用場景以及如何選型；
8) svm 為啥要引入拉格朗日的優化方法；
9) 假設面試官什麼都不懂，詳細解釋 cnn 的原理；
10) 梯度下降的優缺點
11) em與k-means的關係；
12) l1與l2的作用，區別以及如何解決l1求導困難；
13) 如何用盡可能少的樣本訓練模型同時又保證模型的效能；
14) id3和c4.5的優缺點，樹的融合(rf和gbdt)
15) 特徵提取方法，如何判斷特徵是否重要
16) bp神經網路以及推導
17) hmm模型狀態推導
18) 過擬合原因以及解決辦法(深度學習同)
19) 常見損失函式
20）機器學習效能評價，準確率，召回率,roc
22）降取樣，pca，lda
1）四種啟用函式區別和作用
2）過擬合解決方法
3）(cnn)捲及神經網路各層作用
4）(rnn)迴圈神經網路
5）lstm
6）梯度瀰散
7）優化演算法 adam，sgd等
8）分析alexnet,vgg的網路結構以及各層作用
9）xgboost(好像很多公司也面到了)
10)梯度下降的優化
12)卷積核引數計算
13)tensorflow中的session是什麼，session和interactivesession的區別
PHP工程師面試常見問題
九月快到了，又是一年秋招，所以要好好準備一下，針對不足和薄弱的地方進行學習，希望可以找到令自己滿意的工作。最近慕課網舉辦了一次分享面試經驗的活動，我從上面總結了一下常見的問題，來督促自己完善和提公升。後續會不斷更新，盡自己最大努力做到最好。加油！php面試 一 技術問題 1 基礎知識 如陣列的操作，...
自動化工程師面試常見問題
http協議及其常用頭資訊。常見埠有哪些？介面測試如何批量造測試資料？高頻 列舉乙個你印象中最深的bug 列舉你在做自動化過程中遇到的問題，以及是怎麼解決的？postman工具做介面測試，主要用於做介面的功能測試。jmeter做介面測試或者壓力測試。robotframework做自動化專案 pyth...
演算法工程師面試準備
貝葉斯 nb 神經網路 svm 概率圖模型 特徵選擇 其他 梯度下降的優缺點 降取樣，pca，lda pca的基於特徵值壓縮的方法 基於isolation forest識別的方法 梯度下降的優缺點 常見損失函式 bagging 和 boosting的區別 為什麼用最小二乘而不是最小四乘 gb和牛頓法...