本文共 1842 字，大约阅读时间需要 6 分钟。

    2019年秋招已过，零星的招聘任然在继续。本资源适用于NLP算法工程师面试，也适用于算法相关的其他岗位。整理了算法面试需要数学基础知识、编程语言、深度学习、机器学习、计算机理论、统计学习、自然语言处理相关基础知识点；以及一些大长的实战面试经验，非常具有参考、学习价值，分享给大家。

    本资源整理自网络，源地址：https://github.com/songyingxin/NLPer-Interview

 

    资料具体下载地址：

    链接: https://pan.baidu.com/s/1PweOUwqlCvA6uiGW4jcXkg

    提取码: 54vt

 

内容

    1. 编程语言基础

    该文件夹下主要记录 python 和 c++ 的一些语言细节， 毕竟这两大语言是主流，基本是都要会的，目前还在查缺补漏中。

    •C++面试题

    •Python 面试题

 

    2. 数学基础

    该文件夹下主要记录一些数学相关的知识，包括高数，线性代数，概率论与信息论， 老宋亲身经历，会问到， 目前尚在查缺补漏中。

    •概率论

    •高等数学

    •线性代数

    •信息论

 

    3. 计算机基础理论知识

    这部分内容一般不怎么考，因此，没有把重心放在上面，至少现在几乎没有遇到问这方面的， 有意思的是，投了阿里某部的NLP算法，居然来了个不懂NLP的来面，全程真的瞎聊，全是开发。

 

    4. 机器学习基础

    这部分已经开始进入正题了，事实证明，部分大厂会提及一些基础的机器学习算法知识，因此，这部分我觉得几个核心的模型是要会的。

    •机器学习项目流程

    •判别模型 vs 生成模型

    •频率派 vs 贝叶斯派

    •数据预处理

    •特征工程

    •特征工程-关联规

    •模型 - SVM

    •模型 - 聚类算法

    •模型 - 决策树

    •模型 - 逻辑回归

    •模型 - 朴素贝叶斯

    •模型 - 随机森林

    •模型 - 线性回归

 

    5. 深度学习基础

    这部分主要讲述深度学习方面的基础知识，是核心点，但很多情况下，很多面试官的题基本差不多，不过我个人觉得，有这种全局的，全面的知识框架是有益的。

    •深度学习项目流程

    5.1 基础理论部分

    •基础理论 - 多任务学习

    •基础理论 - 集成学习

    •基础理论 - 分类问题评估指标

    •基础理论 - 距离度量方法

    •基础理论 - 目标函数，损失函数，代价函数

    •基础理论 - 偏差 vs 方差，欠拟合 vs 过拟合

    •基础理论 - 数据角度看深度学习

    •基础理论 - 梯度消失，梯度爆炸问题

    •基础理论 - 维数灾难问题

    •基础理论 - 指数加权平均

    •基础理论- 局部最小值，鞍点

    •基础理论 - 集成学习

    •基础理论 - 集成学习

    5.2 基本单元

    •基本单元 - CNN

    •基本单元 - MLP

    •基本单元 - RNN

    5.3 调参相关

    •调参 - 超参数调优

    •调参 - 激活函数

    •调参 - 权重初始化方案

    •调参 - 优化算法

    5.4 Tricks

    •Trick - Dropout

    •Trick - Normalization

    •Trick - 融合训练集，验证集，测试集

    •Trick - 提前终止

    •Trick - 学习率衰减

    •Trick - 正则化

 

    6. 统计自然语言处理

    这部分前期的笔记做的不多，因此还没怎么开始。

 

    7. 深度学习自然语言处理

    这部分算是核心的知识了，这部分还需要逐渐完善，时间有点紧啊。

    •文本数据预处理

    •各大任务的评价指标

    •改进 NLP 模型的一些思路

   7.1 词向量三部曲

    •词向量 - Word2Vec

    •词向量 - Glove

    •词向量 - FastText

    7.2 预训练语言模型

    •预训练语言模型 - BERT改进研究

    •预训练语言模型 - 融入知识图谱

    •预训练语言模型 - 自然语言生成

    7.3 Attention 机制

    7.4 文本分类

    7.5 语义匹配

    7.6 阅读理解

 

    8. 源码阅读

    这部分主要推荐一些自己阅读过的一些源码，有些源码是 NLP 相关， 有些是深度学习相关的，部分源码我个人有做注释，会相应的列出来。

 

    9 . 老宋渣渣算法面经

    这部分主要是自己面试过程中的一些感悟， 哎， 快面到自闭了。

 

    Reference

    [1] DeepLearning-500-questions -- 一个很好的资源

    [2] Algorithm_Interview_Notes-Chinese -- 知识比较旧了，但也很好

    其他主要是自己的日常积累和看的论文。

往期精品内容推荐

转载地址：https://lqfarmer.blog.csdn.net/article/details/102997208 如侵犯您的版权，请留言回复原文章的地址，我们会给您删除此文章，给您带来不便请您谅解！