程序員機器學習面試

㈠ 目前本科，對機器學習感興趣，應該朝哪個方向學習

機器學習是一種人工智慧(AI)，它能讓計算機在沒有明確編程指令的情況下收集信息。對於那些嘗試分析越來越多、越來越復雜數據的公司來說，這種能力是必不可少的。擁有熟練編程技能的人也供不應求。

如果對在大學深造數年不感興趣，還有其他可進入機器學習領域的路徑。克洛伊寧舉例說，在發現難以找到合適的員工後，他自己創建了機器學習訓練項目。他說：「我們招募擁有計算機科學或數學專業的人才，然後對他們進行相關培訓。

簡單說一點，之所以最左邊寫了『數學基礎』『典型機器學習演算法』『編程基礎』三個並行的部分，是因為機器學習是一個將數學/演算法理論和工程實踐緊密結合的領域，需要扎實的理論基礎幫助引導數據分析與模型調優，同時也需要精湛的工程開發能力去高效化地訓練和部署模型和服務。

需要多說一句的是，在互聯網領域從事機器學習的人，有2類背景的人比較多，其中一部分(很大一部分)是程序員出身，這類同學工程經驗相對會多一些，另一部分是學數學統計領域的同學，這部分同學理論基礎相對扎實一些。因此對比上圖，2類同學入門機器學習，所欠缺和需要加強的部分是不一樣的。

㈡ 機器學習難嗎

好吧，我標題黨了，sklearn的簡單也是相對於機器學習原理本身，要學好也不容易！
人工智慧、機器學習，一聽就是高大上的東西，想學會肯定很難。這是當然的，要理解機器學習中的各種演算法模型，還是需要較強的數學功底的，這無形中提高了機器學習的門檻。但是只是要用它，卻並不困難，scikit-learn的出現給程序員帶來了福音，極大的降低了機器學習使用的門檻，即使你不求甚解，也能純熟的使用各種機器學習的演算法來完成自己的目

㈢ 。net程序員 最近想學習大數據只是 弱弱的問一下 其中機器學習 和 hoodap 是啥關系

他們的關系就像，你在家學習一樣，你的家就是hoodap，你就是機器學習；
總結下：hoodap提供系統架構，機器學習就是你要做的事情
一般情況下，機器學習演算法復雜度很高，運行一個演算法可能會幾天，所以，一個快速的系統架構就成了解決問題的核心

㈣ 如何從普通JAVA程序員向機器學習演算法工程師轉變

建議先看兩類書：（1）計算機原理；（2）數據結構和演算法。（看數據結構之前先看C語言）。 第二． Java、.net、C++、PB、VB、Delphi、匯編到底應該學哪個？哪個最簡單就先學哪個、公司用哪個就學哪個、哪個和有緣（比如剛好認識一個願意

㈤ 想參加好程序員的Python人工智慧開發培訓，前景怎麼樣

Python是人工智慧的首選語言，人工智慧是Python的一大領域，目前市場上來說，Python語言是非常受歡迎的，相對於其他的語言來說，Python更加簡單、易學，適合零基礎也是初學者的首選，開發效率是非常高的，其他語言幾十行才可以搞定的問題，Python幾行就可以解決了，同時Python應用領域比較廣泛，除了人工智慧之外，機器學習、數據分析、web開發、爬蟲、科學運算等都是不錯的選擇。

㈥ 我想學人工智慧，現在是個初級程序員，到什麼程度可以學習人工智慧機器學習這種

說實話，人工智慧涉及到領域和課程太多，，學習門檻還是很高的。我現在在科大訊飛工作，我們這邊最近上線了一個AI大學，裡面的課程淺顯易懂很符合零基礎的人學習。AI 大學是訊飛開放平台發起搭建的國內首個AI在線學習平台，為所有AI群體提供學習分享和經驗交流的機會，秉承「開放、學習、互動、共享」的平台理念，旨在為AI領域開發者、興趣愛好者、專業學習群體等提供AI專業技術課程、平台運營資源、學習互動支持等服務。

建議你可以去看下，登錄AI大學官網即可，對了，裡面還有個專屬的通行證可以看下，除了全年的免費課程，還可以直接參加科大訊飛的線下發布會，點擊鏈接可以直接購買網頁鏈接

最後，希望能對題主有用，有問題也可以與我交流。

㈦ 作為一個應屆生程序員，我是怎麼通過阿里的三輪面試的

首先，自我介紹。
我：「我做過兩個項目。寫過幾篇論文和專利。還參加過阿里巴巴大數據競賽。同時，出於個人興趣，我還閱讀了一下HDFS的少部分源碼，理解了一下HDFS的核心思想，實現了一個功能非常簡單，並且還不完善的HDFS。」
面試官1：「說一說你寫的論文中的某一篇的創新點？」
我：「我寫的文章或者專利，主要遵循一個原則：將已有的理論或者模型應用到新的場景中。所以，都是偏向應用的。重點說說這篇論文吧。首先，從奇異值分解說起吧……」
大概講了幾分鍾後，面試官1打斷我：「你做的這些東西都偏向數據挖掘方向，為什麼沒有投數據挖掘呢？」
我：「因為，按照我的理解，數據挖掘這個崗位需要對機器學習演算法有深入研究，然而，我做的偏向於對數據挖掘演算法的應用。所以，我想投研發，偏向數據挖掘和分布式方向，從基礎做起。」
面試官1：「其實，你的優勢是做過數據挖掘。這樣吧，我先找一個數據研發的面試官對你進行一下面試。等會兒，你再來我這。」
雖然自己也系統地學習過機器學習演算法，但是接觸時間太短（幾個月），研究不夠深入，只在比賽中用過少數幾種演算法：LR、RF和GBRT。自己的優勢在於對數據的理解和特徵的提取，以及演算法的應用。
而演算法推導過程並不清楚，只是理解了其思想。我怕被問得太細致，所以不是很情願。不過，在面試官1的堅持下，最終還是同意了。
看到第二個面試官的牌子上寫著「數據研發」，我稍微舒了口氣；幸好不是「數據挖掘」。

今年，「數據研發」崗位招人挺多的，很多都是去小微金服。面試完之後，我覺得「數據研發」的崗位要求是這樣子的：

熟練掌握基本的SQL語句；因為有一道筆試題目。我覺得阿里應該用自己的ODPS-SQL（類似於Hive）進行數據研發，雖然這個平台挺復雜的，但是面試的時候的要求並不高。只要掌握基本的內建函數和SQL語句就行了：select, group by…

我在比賽過程中，寫過幾萬行SQL代碼（去重之後幾千行），沒有用到過索引和視圖；經常用到內建函數，偶爾使用UDF（用戶自定義函數）。但是，寫的代碼不包含索引、視圖和UDF。也沒有考優化（其實我也不懂）。

有數據研發方面的相關經歷，面試官似乎很注重這一項。我參加過阿里巴巴大數據競賽。

對數據研發有一些自己的看法。這個很關鍵，一定要思路清晰。我主要在講比賽中的模型：數據的預處理->訓練集、預測集->特徵提取->進一步處理->正負樣本比例->訓練->預測。

當然會用寫MapRece的話就過更好了。阿里的平台提供了MapRece，估計工作中會用到。

然後，跟第二個技術面試官開始交流。
面試官2：「自我介紹一下吧。」
我：「剛才介紹過其他經歷了。那我主要介紹下與數據研發相關的經歷吧。」然後，簡單說了下自己參加的阿里巴巴大數據競賽。
面試官2：「行。先做一道題目吧。」
面試官給了我一道SQL的題目：給定一個表，共四列：user_id, brand_id, time, cnt(花的錢數)。從這個表裡面選出用戶B對每個品牌brand購買的總額度。
一看到，有點竊喜，這跟我競賽做的東西太相似了。
跟面試官進行簡單溝通後，很快寫出來了。不過還是怕做錯，檢查了很久才拿給面試官2。順便提了一下，如果需要處理字元串的話，我會用ODPS-SQL裡面的UDF。面試官看了下程序，沒說什麼，就放到了一邊。
後面，我們主要在討論阿里巴巴大數據競賽：我做了什麼，用什麼模型、演算法做的，准確率是多少。（這塊討論時間最多）
還好，我主要討論的是對業務和數據的理解，沒有深入討論數據挖掘演算法。
討論很順利。結束之後，面試官2把我帶回面試官1。
回來後，繼續與面試官1主要討論我寫的論文。由於之前對自己寫的論文進行過總結，思路很清晰。並談論了寫論文的體會和收獲。
總之，第一面的面試官很和藹，交談也很開心。

再次稍微提一下：個人覺得面試官主要有兩類，一類是用技術把你問死，從而判斷你對技術的掌握深度。

另一類是，簡單的技術問題之後，讓你去表現，引導你來講，從而看你這個人的思想、表達能力、個人觀點等綜合素質。

當然，一個面試官如果看到你不善於表達，就只能一直問你問題了。很榮幸，我碰到的是第二種面試官。面試跟聊天一樣輕松。

最終，順利通過。
應該是這個樣子的吧 哈哈【ITjob]