本文精选了来自Google AI、一点资讯及2019年秋招的算法工程师面试题目，覆盖LSTM公式、硬币公平性分析、特征选择、K-Means算法、聚类模型评估、信息流采样算法、最短路径计算、损失函数类型、地理坐标转换方法、数据挖掘建模策略等多个方面，旨在帮助读者深入理解算法原理及其应用场景。
https://www.jianshu.com/p/fffc15c9d31d
http://m.elecfans.com/article/622680.html
https://zhuanlan.zhihu.com/p/44725360
https://blog.csdn.net/zhongqi2513/article/details/80342659
1，LSTM的公式
2，投掷一枚硬币 10 次，8 次正面和 2 次反面。如何分析掷硬币的公平性？p值是什么？（什么是 p-value？）
3，为什么要使用特征选择？如果两个预测因子高度相关，那么对逻辑回归中的系数有什么影响？ 系数的置信区间是多少？
4，写出K-Means 算法伪代码
5，如果标签在聚类项目中是已知的，那么如何评估模型的性能？
以上为google ai面试题
6，信息流采样，有n份数据，但是n的长度并不知道，设计一个采样算法，使得每份被选择的概率是相同的。
以上为一点资讯面试题
7，无向无环图中，最短路径的最大值（Floyd算法)
8，神经网络里面的损失函数有哪些
9，如果有一万个地理坐标，转换成1-10000的数，可以用决策树么？
10，在数据挖掘的各种场景中，如SVM,逻辑回归、EM、K-means等，如何处理数据，怎么进行建模
（原题：问了很多数据挖掘的基础知识，包括SVM,逻辑回归、EM、K-means等，然后给我很多场景问我遇到这些情况我要怎么来处理数据，怎么进行建模等等，问得很细）
以上为2019秋招算法工程师面试题
11，如何预测北京市未来5年人口数量和年份城镇化水平
其他：
爬虫如何应对网站的反爬机制？（如验证码等）
如果你是被爬的网站，如何识别对方是爬虫访问还是用户真实访问？
爬虫如何应对基于流计算的反爬机制？
基于时间序列的算法和模型
用的caffe什么模型？（caffe只是框架）
对时间、空间（GIS地理、坐标系统）的一些常见算法、模型有没有了解？
扫一扫
6595
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
