s**********1
发帖数: 12 | 1 发一个Apple 数据科学家面经
1. 项目介绍，问了两个简历上的项目
2. 概率的题目，用到了Bayes公式
3. 机器学习各种概念，over fitting, svm 原理， 梯度下降和随机梯度下降的区别，
10fold evaluation
4. 水池抽样实现并证明
5. OOP 概念， 继承，多态
6. 大数据题目，mapReduce的原理， mapper，shuffle, reducer 是怎么工作的， 用
mapreduce实现Kmeans，一步步讲解
7. 算法题，删除链表倒数第N个节点
分享几个准备面试的网站：
http://www.learn4master.com
various examples to algorithms and machine learning
programcreek.com
Leetcode solutions
geeksforgeeks.org
various algorithms |
a********n
发帖数: 78 | |
w*****1
发帖数: 6807 | |
l***4
发帖数: 1788 | 4 这两个本来就不同 码工会统计这些东西？
【在 w*****1 的大作中提到】
: 我感觉比码工的题要简单好多啊。。。
|
w*******6
发帖数: 392 | 5 统计也没啥难的，不能implement来解决实际问题就是屠龙之技。。。。
【在 l***4 的大作中提到】
: 这两个本来就不同 码工会统计这些东西？
|
p*******i
发帖数: 1181 | 6 刷题也没啥难的啊……
【在 w*******6 的大作中提到】
: 统计也没啥难的，不能implement来解决实际问题就是屠龙之技。。。。
|
v*******v
发帖数: 183 | 7 发牛paper最难，也是证明qualification的重要方法。nips整2篇，工业界随便进吧。 |
z***m
发帖数: 1602 | |
j**********3
发帖数: 3211 | 9 现在做ds依然需要发牛paper么？
【在 v*******v 的大作中提到】
: 发牛paper最难，也是证明qualification的重要方法。nips整2篇，工业界随便进吧。
|
W***o
发帖数: 6519 | |
m*****r
发帖数: 84 | 11 data scientist 职位比较鸡肋，大多不own产品，review的时候经常靠边站。这些东西
research lab看不上，产品和工程部的不懂也没耐心懂。那些manager们都希望码工有
这样的技能作为储备。
【在 s**********1 的大作中提到】
: 发一个Apple 数据科学家面经
: 1. 项目介绍，问了两个简历上的项目
: 2. 概率的题目，用到了Bayes公式
: 3. 机器学习各种概念，over fitting, svm 原理， 梯度下降和随机梯度下降的区别，
: 10fold evaluation
: 4. 水池抽样实现并证明
: 5. OOP 概念， 继承，多态
: 6. 大数据题目，mapReduce的原理， mapper，shuffle, reducer 是怎么工作的， 用
: mapreduce实现Kmeans，一步步讲解
: 7. 算法题，删除链表倒数第N个节点
|
o****n
发帖数: 937 | |
