AI面试常见那些事儿
搞定这些，就迈入了半个大厂。
我面的是不限方向的「机器学习研究员」，在前一阵子面试的过程，我把一些常见问题汇总了，如果这些能掌握，基本90%的通过率没跑了！
1.训练决策树时的参数是什么？
2.在决策树的节点处分割的标准是什么？
3.基尼系数的公式是什么？
4.熵的公式是什么？
5.决策树如何决定在哪个特征处分割？
6.你如何用数学计算收集来的信息？你确定吗？
7.随机森林的优点有哪些？
8.介绍一下boosting算法。
9.gradient boosting如何工作？
10.关于AdaBoost算法，你了解多少？它如何工作？
11.SVM中用到了哪些核？SVM中的优化技术有哪些？
12.SVM如何学习超平面？用数学方法详细解释一下。
13.介绍一下无监督学习，算法有哪些？
14.在K-Means聚类算法中，如何定义K？
15.告诉我至少3中定义K的方法。
看完后，大家感觉难易度如何？基本上，搞定这些技术题目，你就可以申请国内大公司，乃至硅谷公司的技术面试了！在整个求职过程中，我大概与20位+位专业人士有过交谈，以下为经验之谈：
-
展示自己很重要，简历很重要。一定要体现自己参与过的项目，学习过的课程证书，参加的活动，发表过的论文等，这些都是加分项。
-
如果你是这一领域的新人，在创建简历时可以从自己做过的项目开始，或者GitHub账号也是很有说服力的。除此之外，可以多参加Kaggle竞赛和多参加学习。
-
学会谦虚，注意倾听面试官的意见。有的时候，R和Python的使用者会互相鄙视，最好不要这样，不然很可能挂掉。
没那么难，4步掌握AI
如果想0基础进阶人工智能，则只需攻克这个4座大山即可：
你需要学习一门编程语言：
这里我推荐Python —— 人工智能主要开发语言。最关键的是对小白也非常友好，简单易学。
你需要“掌握“数学知识：
数学基础，大概是吓退大部分人的纸老虎，从微积分到线性代数，我们的确要了解数学原理。别怕，人工智能数学部分的核心是要会用代码去实现。
你需要理解算法：深度学习（神经网络）：
当你用了代码能力和数学基础，下一步则是理解人工智能的核心算法 ——深度学习，让计算机拥有“智能”。
你需要发动技能，用实践证明：
在翻越前几座大山之后，你已经体系化地掌握了AI的基本技能，接下来就是需要实践来理解实际工作的痛点问题。
原文链接：https://blog.csdn.net/qq_41834780/article/details/86533866?ops_request_misc=%257B%2522request%255Fid%2522%253A%2522171851498716800197052943%2522%252C%2522scm%2522%253A%252220140713.130102334.pc%255Fblog.%2522%257D&request_id=171851498716800197052943&biz_id=0&utm_medium=distribute.pc_search_result.none-task-blog-2~blog~first_rank_ecpm_v1~times_rank-27-86533866-null-null.nonecase&utm_term=AI%E9%9D%A2%E8%AF%95
