【面試招聘】有哪些好的秋招經(jīng)驗分享？數(shù)據(jù)、算法崗的幾點經(jīng)驗分享
有哪些好的秋招經(jīng)驗分享？
機器學(xué)習(xí)中常用的最優(yōu)化方法有哪些？
想通過數(shù)據(jù)競賽來提升實踐能力，作為小白有什么入門經(jīng)驗？（今日問題）
有哪些好的秋招經(jīng)驗分享？
李玲 - 攜程算法工程師
（5）平時可以多關(guān)注一下行業(yè)前沿，自己的研究領(lǐng)域的最新發(fā)展，最新的模型，表現(xiàn)最好的模型，最好有一定程度的了解。暫時想到這些，加油！
2
李碧涵 - 微軟工程師
簡歷→邀面→自我介紹→聊項目→面試官出算法題題/應(yīng)用場景題?
（2）有些公司很看重做題（外企和字節(jié)等），有些公司很看重項目。所以作為面試者，想要通過面試，要么在自己的項目上，要么在題目上做的很出色。這樣才能吸引面試官。詳細(xì)有三點原則：
????????① 無論項目還是做題都需要你：頭腦清晰，邏輯棒（自己私下多練習(xí)幾遍項目介紹或題目講解）?
????????② 項目出色：項目肯定要有，不然會出現(xiàn)尬聊沒話題的情況另外要會包裝項目?；蛘咦晕医榻B中多為項目知識點挖坑，引導(dǎo)面試官來問你?
????????③ 刷題出色：連續(xù)1個月每天都刷題?
3
郭修均?-?字節(jié)跳動
（3）算法求解一定要能說清背后的數(shù)理邏輯。還有口才，清晰的說明你的答案，而不要東一榔頭西一棒槌。?
4
阿水 - 京東算法工程師
5
肖然 - 百度算法工程師
6
李嚴(yán) - 白騎士數(shù)據(jù)分析
在簡歷無法更上一層的前提下，大量面試，大量試錯，總結(jié)技術(shù)經(jīng)驗，邊面試邊學(xué)習(xí)，頂尖的不好說，但總能找到。
機器學(xué)習(xí)中常用的最優(yōu)化方法有哪些？
Datawhale優(yōu)秀回答者：五花肉，郭佳林
常見的最優(yōu)化方法有最速下降法（梯度下降法），牛頓法，共軛梯度法，擬牛頓法等等。目的都是求解某個函數(shù)的極小值。
最速下降法
使用條件是函數(shù)具有一階連續(xù)偏導(dǎo)數(shù)。
步驟：首先通過求函數(shù)的一階偏倒數(shù)得出函數(shù)的最速下降方向（負(fù)梯度方向），然后給任意一個點作為初始點進行迭代，令每次迭代后新的點坐標(biāo)為上一個迭代點坐標(biāo)減去上一個點處的梯度值乘步長（步長可以根據(jù)每個點的坐標(biāo)值進行求解）。若迭代到某個點后，該點梯度值小于某個預(yù)設(shè)的很小的閾值，則說明不需要繼續(xù)迭代。該點即為極小值點。
2
牛頓法
基本思想是用一個二次函數(shù)近似逼近目標(biāo)函數(shù)，然后直接求解出二次函數(shù)的極小值點。首先令原函數(shù)在某點做二階泰勒展開，進行變換后可以得到原函數(shù)在某鄰域內(nèi)的近似二次函數(shù)。為求該二次函數(shù)極小值，令其一階偏導(dǎo)數(shù)為零，可以直接得到函數(shù)在該鄰域的極小值（為原始點坐標(biāo)減去該點的海森矩陣乘梯度）。
3
總結(jié)
可以看出，最速下降法是通過一步步迭代，每次迭代都要計算梯度和步長，最終得到最優(yōu)解；牛頓法是函數(shù)先在某個鄰域內(nèi)進行變形，再在這個鄰域內(nèi)直接一步求出最優(yōu)解，不進行多輪迭代，所以對初始點的選擇要求較高。擬牛頓法和共軛梯度法在這兩種迭代思想上繼續(xù)加以改進。
每日一問：想通過數(shù)據(jù)競賽來提升實踐能力，作為小白有什么入門經(jīng)驗？
歡迎在留言區(qū)分享你的入門經(jīng)驗。
往期精彩回顧
獲取一折本站知識星球優(yōu)惠券，復(fù)制鏈接直接打開：
https://t.zsxq.com/662nyZF
本站qq群1003271085。
加入微信群請掃碼進群（如果是博士或者準(zhǔn)備讀博士請說明）：