点击上方，选择星标或置顶，每天给你送干货！

阅读大概需要7分钟

跟随小博主，每天进步一丢丢

来自 数据挖掘机养成记

作者 穆文

导读

作为一名新晋菜鸟面试官，最近替部门面了3、40个人(大多来自国内top5学校，包括校招社招)，小小总结下我的相人之术，希望能帮上大家

------------硬插入-----------

先插个话，你遇到的面试官，可能是亲切温和的大神，也可能是滔滔不绝掉书袋的教条主义者，你一定要记住

面试是一场双向选择的过程，对方考察你的同时，你也在考察他以及他的团队。当遇到以下情形时，说明你们不合适，不要想太多，换下一个

• 面试官不问你擅长的领域，而是抓住些边边角角不放，多半是他不懂你做的东西，但又不想在你面前失去威信。甭理他，心里竖个中指然后走人

• 面试官对着电脑找现成的应试题，然后你做题他干自己事。这种懒人，多半自己肚子也没啥货，做法同上

• 面试官跟你话不投机，进入尬聊阶段。这种情况请原谅他把，多半是你投错岗位了，以后记得打听清楚岗位需求，再投简历

进入正题

面试别人时，我主要遵循『两原则』和『三方面』

『两原则』指：

• 绝不网上现搜应试题（一不尊重面试者，二这种题大多考察不了真水平），确保所问问题是自己认真思考过的

• 在自己能力范围内，不停追问面试者所做的项目、所掌握的理论细节，看他掌握到什么程度以及评判简历内容的真实性

『三方面』包括：

• 理论功底

• 代码能力

• 项目能力

----------下面进入废话时间-------

把三方面展开：

【理论功底】主要考察对机器学习模型的理解，会根据面试者的经历选择性提问（如果遇到面试者的研究方向是自己不了解但感兴趣的领域，会很欣喜，趁机学习一个哈哈）这块儿的问题会比较细碎，都是我实际问过的，在此全部手敲

• 过拟合欠拟合（举几个例子让判断下，顺便问问交叉验证的目的、超参数搜索方法、EarlyStopping）、L1正则和L2正则的做法、正则化背后的思想（顺便问问BatchNorm、Covariance Shift）、L1正则产生稀疏解原理、逻辑回归为何线性模型（顺便问问LR如何解决低维不可分、从图模型角度看LR和朴素贝叶斯和无监督）、几种参数估计方法MLE/MAP/贝叶斯的联系和区别、简单说下SVM的支持向量（顺便问问KKT条件、为何对偶、核的通俗理解）、 GBDT随机森林能否并行（顺便问问bagging boosting）、 生成模型判别模型举个例子、聚类方法的掌握（顺便问问Kmeans的EM推导思路、谱聚类和Graph-cut的理解）、梯度下降类方法和牛顿类方法的区别（顺便问问Adam、L-BFGS的思路）、半监督的思想（顺便问问一些特定半监督算法是如何利用无标签数据的、从MAP角度看半监督）、常见的分类模型的评价指标（顺便问问交叉熵、ROC如何绘制、AUC的物理含义、类别不均衡样本）

• CNN中卷积操作和卷积核作用、maxpooling作用、卷积层与全连接层的联系、梯度爆炸和消失的概念（顺便问问神经网络权值初始化的方法、为何能减缓梯度爆炸消失、CNN中有哪些解决办法、LSTM如何解决的、如何梯度裁剪、dropout如何用在RNN系列网络中、dropout防止过拟合）、为何卷积可以用在图像/语音/语句上（顺便问问channel在不同类型数据源中的含义）

• 如果面试者跟我一样做NLP、推荐系统，我会继续追问 CRF跟逻辑回归 最大熵模型的关系、CRF的优化方法、CRF和MRF的联系、HMM和CRF的关系（顺便问问 朴素贝叶斯和HMM的联系、LSTM+CRF 用于序列标注的原理、CRF的点函数和边函数、CRF的经验分布）、WordEmbedding的几种常用方法和原理（顺便问问language model、perplexity评价指标、word2vec跟Glove的异同）、topic model说一说、为何CNN能用在文本分类、syntactic和semantic问题举例、常见Sentence embedding方法、注意力机制（顺便问问注意力机制的几种不同情形、为何引入、seq2seq原理）、序列标注的评价指标、语义消歧的做法、常见的跟word有关的特征、factorization machine、常见矩阵分解模型、如何把分类模型用于商品推荐（包括数据集划分、模型验证等）、序列学习、wide&deep model（顺便问问为何wide和deep)

【代码能力】主要考察实现算法和优化代码的能力，我一般会先看面试者的github repo（如果简历给出来），看其代码风格、架构能力（遇到大神会认真学习一个哈哈），如果没有github，我会避免问典型的应试题，而是问一些 我本人从实际问题中抽象出的小算法题，比如：

• 给出节点的矩阵和边的矩阵，求路径和最大的路径（来源于 Viterbi 算法，本质就是个动态规划），至少给个思路和伪代码（顺便聊聊前向传播和反向传播）

• 给出一数组，数组元素是pair对儿，表示一个有向无环图的<父亲节点, 孩子节点>，用最优的方法，将其变成一个新的有序数组，数组元素是该有向无环图所有节点，数组的有序性体现在：父亲节点在孩子节点前面（来源于 贝叶斯网络实现时的小trick）

【项目能力】主要考察解决实际问题的思路、填坑能力，这部分其实最考验面试官功底，要能从面试者浮夸的描述中寻找有意义的点，并一步步深挖

最后，我会问面试者：『有没有我刚没问到、但你特别想分享的项目经历』。此问题是给面试者一个展现自我的机会，同时也是挖掘出之前遗漏的问题。

以上问题能答完美的，请私信我~

。。。

。。。

。。。

。。。

我要向你学习

推荐阅读：

一大批历史精彩文章啦

详解Transition-based Dependency parser基于转移的依存句法解析器

干货 | 找工作的经验总结（一）

经验 | 初入NLP领域的一些小建议

学术 | 如何写一篇合格的NLP论文

干货 | 那些高产的学者都是怎样工作的？

是时候研读一波导师的论文--一个简单有效的联合模型

近年来NLP在法律领域的相关研究工作

好文！在看！