背景
網上衝浪時看到了美國某機器學習研究者寫的文章，他在幾個月裡面試了許多大公司以及創業公司，所以也記錄了很多公司問他的面試問題，他做了乙個整理和分享，下面我做簡單翻譯並整理分享，也是自我學習反省。
問題在這裡，您將真正了解您的研究與業務之間的聯絡。
您是否有任何您所學到的技能或可能與您的業務或您申請的職位有關的技能？
它不必是100％精確，只是以某種方式相關，這樣你就可以證明你可以直接增加很多價值
解釋你目前的碩士研究？
什麼有用？
什麼沒有？
未來發展方向？和上乙個問題一樣！
機器學習面試問題1
監督 輸入的資料有明確的標識，可建立模型做 多用於分類和回歸。非監督 資料並不被特別標識，需要建立模型得出資料的內在結構，多用於聚類。l1範數 l1 norm 是指向量中各個元素絕對值之和，也有個美稱叫 稀疏規則運算元 lasso regularization 比如 向量a 1，1，3 那麼a的l1...
機器學習面試問題2
logistic 邏輯回歸 是一種廣義線性回歸分析模型，是一種分類演算法。通過函式l將w x b對應乙個隱狀態p，p l w x b 然後根據p 與1 p的大小決定因變數的值。l是logistic函式.該模型是典型的數學模型，它服從邏輯斯蒂分布。二項邏輯斯蒂回歸模型是如下的條件概率分布 在這裡，x是...
機器學習面試問題10
線性分類器 模型是引數的線性函式，分類平面是 超 平面 非線性分類器 模型分介面可以是曲面或者超平面的組合。典型的線性分類器有感知機，lda，邏輯斯特回歸，svm 線性核 典型的非線性分類器有樸素貝葉斯 有文章說這個本質是線性的，決策樹，svm 非線性核 線性分類器判別簡單 易實現 且需要的計算量和...