程序员机器学习面试

㈠ 目前本科，对机器学习感兴趣，应该朝哪个方向学习

机器学习是一种人工智能(AI)，它能让计算机在没有明确编程指令的情况下收集信息。对于那些尝试分析越来越多、越来越复杂数据的公司来说，这种能力是必不可少的。拥有熟练编程技能的人也供不应求。

如果对在大学深造数年不感兴趣，还有其他可进入机器学习领域的路径。克洛伊宁举例说，在发现难以找到合适的员工后，他自己创建了机器学习训练项目。他说：“我们招募拥有计算机科学或数学专业的人才，然后对他们进行相关培训。

简单说一点，之所以最左边写了‘数学基础’‘典型机器学习算法’‘编程基础’三个并行的部分，是因为机器学习是一个将数学/算法理论和工程实践紧密结合的领域，需要扎实的理论基础帮助引导数据分析与模型调优，同时也需要精湛的工程开发能力去高效化地训练和部署模型和服务。

需要多说一句的是，在互联网领域从事机器学习的人，有2类背景的人比较多，其中一部分(很大一部分)是程序员出身，这类同学工程经验相对会多一些，另一部分是学数学统计领域的同学，这部分同学理论基础相对扎实一些。因此对比上图，2类同学入门机器学习，所欠缺和需要加强的部分是不一样的。

㈡ 机器学习难吗

好吧，我标题党了，sklearn的简单也是相对于机器学习原理本身，要学好也不容易！
人工智能、机器学习，一听就是高大上的东西，想学会肯定很难。这是当然的，要理解机器学习中的各种算法模型，还是需要较强的数学功底的，这无形中提高了机器学习的门槛。但是只是要用它，却并不困难，scikit-learn的出现给程序员带来了福音，极大的降低了机器学习使用的门槛，即使你不求甚解，也能纯熟的使用各种机器学习的算法来完成自己的目

㈢ 。net程序员 最近想学习大数据只是 弱弱的问一下 其中机器学习 和 hoodap 是啥关系

他们的关系就像，你在家学习一样，你的家就是hoodap，你就是机器学习；
总结下：hoodap提供系统架构，机器学习就是你要做的事情
一般情况下，机器学习算法复杂度很高，运行一个算法可能会几天，所以，一个快速的系统架构就成了解决问题的核心

㈣ 如何从普通JAVA程序员向机器学习算法工程师转变

建议先看两类书：（1）计算机原理；（2）数据结构和算法。（看数据结构之前先看C语言）。 第二． Java、.net、C++、PB、VB、Delphi、汇编到底应该学哪个？哪个最简单就先学哪个、公司用哪个就学哪个、哪个和有缘（比如刚好认识一个愿意

㈤ 想参加好程序员的Python人工智能开发培训，前景怎么样

Python是人工智能的首选语言，人工智能是Python的一大领域，目前市场上来说，Python语言是非常受欢迎的，相对于其他的语言来说，Python更加简单、易学，适合零基础也是初学者的首选，开发效率是非常高的，其他语言几十行才可以搞定的问题，Python几行就可以解决了，同时Python应用领域比较广泛，除了人工智能之外，机器学习、数据分析、web开发、爬虫、科学运算等都是不错的选择。

㈥ 我想学人工智能，现在是个初级程序员，到什么程度可以学习人工智能机器学习这种

说实话，人工智能涉及到领域和课程太多，，学习门槛还是很高的。我现在在科大讯飞工作，我们这边最近上线了一个AI大学，里面的课程浅显易懂很符合零基础的人学习。AI 大学是讯飞开放平台发起搭建的国内首个AI在线学习平台，为所有AI群体提供学习分享和经验交流的机会，秉承“开放、学习、互动、共享”的平台理念，旨在为AI领域开发者、兴趣爱好者、专业学习群体等提供AI专业技术课程、平台运营资源、学习互动支持等服务。

建议你可以去看下，登录AI大学官网即可，对了，里面还有个专属的通行证可以看下，除了全年的免费课程，还可以直接参加科大讯飞的线下发布会，点击链接可以直接购买网页链接

最后，希望能对题主有用，有问题也可以与我交流。

㈦ 作为一个应届生程序员，我是怎么通过阿里的三轮面试的

首先，自我介绍。
我：“我做过两个项目。写过几篇论文和专利。还参加过阿里巴巴大数据竞赛。同时，出于个人兴趣，我还阅读了一下HDFS的少部分源码，理解了一下HDFS的核心思想，实现了一个功能非常简单，并且还不完善的HDFS。”
面试官1：“说一说你写的论文中的某一篇的创新点？”
我：“我写的文章或者专利，主要遵循一个原则：将已有的理论或者模型应用到新的场景中。所以，都是偏向应用的。重点说说这篇论文吧。首先，从奇异值分解说起吧……”
大概讲了几分钟后，面试官1打断我：“你做的这些东西都偏向数据挖掘方向，为什么没有投数据挖掘呢？”
我：“因为，按照我的理解，数据挖掘这个岗位需要对机器学习算法有深入研究，然而，我做的偏向于对数据挖掘算法的应用。所以，我想投研发，偏向数据挖掘和分布式方向，从基础做起。”
面试官1：“其实，你的优势是做过数据挖掘。这样吧，我先找一个数据研发的面试官对你进行一下面试。等会儿，你再来我这。”
虽然自己也系统地学习过机器学习算法，但是接触时间太短（几个月），研究不够深入，只在比赛中用过少数几种算法：LR、RF和GBRT。自己的优势在于对数据的理解和特征的提取，以及算法的应用。
而算法推导过程并不清楚，只是理解了其思想。我怕被问得太细致，所以不是很情愿。不过，在面试官1的坚持下，最终还是同意了。
看到第二个面试官的牌子上写着“数据研发”，我稍微舒了口气；幸好不是“数据挖掘”。

今年，“数据研发”岗位招人挺多的，很多都是去小微金服。面试完之后，我觉得“数据研发”的岗位要求是这样子的：

熟练掌握基本的SQL语句；因为有一道笔试题目。我觉得阿里应该用自己的ODPS-SQL（类似于Hive）进行数据研发，虽然这个平台挺复杂的，但是面试的时候的要求并不高。只要掌握基本的内建函数和SQL语句就行了：select, group by…

我在比赛过程中，写过几万行SQL代码（去重之后几千行），没有用到过索引和视图；经常用到内建函数，偶尔使用UDF（用户自定义函数）。但是，写的代码不包含索引、视图和UDF。也没有考优化（其实我也不懂）。

有数据研发方面的相关经历，面试官似乎很注重这一项。我参加过阿里巴巴大数据竞赛。

对数据研发有一些自己的看法。这个很关键，一定要思路清晰。我主要在讲比赛中的模型：数据的预处理->训练集、预测集->特征提取->进一步处理->正负样本比例->训练->预测。

当然会用写MapRece的话就过更好了。阿里的平台提供了MapRece，估计工作中会用到。

然后，跟第二个技术面试官开始交流。
面试官2：“自我介绍一下吧。”
我：“刚才介绍过其他经历了。那我主要介绍下与数据研发相关的经历吧。”然后，简单说了下自己参加的阿里巴巴大数据竞赛。
面试官2：“行。先做一道题目吧。”
面试官给了我一道SQL的题目：给定一个表，共四列：user_id, brand_id, time, cnt(花的钱数)。从这个表里面选出用户B对每个品牌brand购买的总额度。
一看到，有点窃喜，这跟我竞赛做的东西太相似了。
跟面试官进行简单沟通后，很快写出来了。不过还是怕做错，检查了很久才拿给面试官2。顺便提了一下，如果需要处理字符串的话，我会用ODPS-SQL里面的UDF。面试官看了下程序，没说什么，就放到了一边。
后面，我们主要在讨论阿里巴巴大数据竞赛：我做了什么，用什么模型、算法做的，准确率是多少。（这块讨论时间最多）
还好，我主要讨论的是对业务和数据的理解，没有深入讨论数据挖掘算法。
讨论很顺利。结束之后，面试官2把我带回面试官1。
回来后，继续与面试官1主要讨论我写的论文。由于之前对自己写的论文进行过总结，思路很清晰。并谈论了写论文的体会和收获。
总之，第一面的面试官很和蔼，交谈也很开心。

再次稍微提一下：个人觉得面试官主要有两类，一类是用技术把你问死，从而判断你对技术的掌握深度。

另一类是，简单的技术问题之后，让你去表现，引导你来讲，从而看你这个人的思想、表达能力、个人观点等综合素质。

当然，一个面试官如果看到你不善于表达，就只能一直问你问题了。很荣幸，我碰到的是第二种面试官。面试跟聊天一样轻松。

最终，顺利通过。
应该是这个样子的吧 哈哈【ITjob]