機器學(xué)習(xí)方面的面試主要分成三個部分：1.算法和理論基礎(chǔ)2.工程實現(xiàn)能力與編碼水平3.業(yè)務(wù)理解和思考深度1.理論方面，我推薦最經(jīng)典的一本書《統(tǒng)計學(xué)習(xí)方法》，這書可能不是最全的，但是講得最精髓，薄薄一本，適合面試前突擊準(zhǔn)備。我認(rèn)為一些要點是：統(tǒng)計學(xué)習(xí)的核心步驟：模型、策略、算法，你應(yīng)當(dāng)對logistic、SVM、決策樹、KNN及各種聚類方法有深刻的理解。能夠隨手寫出這些算法的核心遞歸步的偽代碼以及他們優(yōu)化的函數(shù)表達式和對偶問題形式。非統(tǒng)計學(xué)習(xí)我不太懂，做過復(fù)雜網(wǎng)絡(luò)，但是這個比較深，面試可能很難考到。數(shù)學(xué)知識方面，你應(yīng)當(dāng)深刻理解矩陣的各種變換，尤其是特征值相關(guān)的知識。算法方面：你應(yīng)當(dāng)深刻理解常用的優(yōu)化方法：梯度下降、牛頓法、各種隨機搜索算法（基因、蟻群等等），深刻理解的意思是你要知道梯度下降是用平面來逼近局部，牛頓法是用曲面逼近局部等等。2.工程實現(xiàn)能力與編碼水平機器學(xué)習(xí)從工程實現(xiàn)一般來講都是某種數(shù)據(jù)結(jié)構(gòu)上的搜索問題。你應(yīng)當(dāng)深刻理解在1中列出的各種算法對應(yīng)應(yīng)該采用的數(shù)據(jù)結(jié)構(gòu)和對應(yīng)的搜索方法。比如KNN對應(yīng)的KD樹、如何給圖結(jié)構(gòu)設(shè)計數(shù)據(jù)結(jié)構(gòu)？如何將算法map-red化等等。一般來說要么你會寫C，而且會用MPI，要么你懂Hadoop，工程上基本都是在這兩個平臺實現(xiàn)。實在不濟你也學(xué)個python吧。3.非常令人失望地告訴你盡管機器學(xué)習(xí)主要會考察1和2但是實際工作中，算法的先進性對真正業(yè)務(wù)結(jié)果的影響，大概不到30%。當(dāng)然算法必須要足夠快，離線算法最好能在4小時內(nèi)完成，實時算法我沒搞過，要求大概更高。機器學(xué)習(xí)大多數(shù)場景是搜索、廣告、垃圾過濾、安全、推薦系統(tǒng)等等。對業(yè)務(wù)有深刻的理解對你做出來的系統(tǒng)的結(jié)果影響超過70%。這里你沒做過實際的項目，是完全不可能有任何體會的，我做過一個推薦系統(tǒng)，沒有什么算法上的高大上的改進，主要是業(yè)務(wù)邏輯的創(chuàng)新，直接就提高了很明顯的一個CTR（具體數(shù)目不太方便透露，總之很明顯就是了）。如果你做過實際的項目，一定要主動說出來，主動讓面試官知道，這才是最大最大的加分項目。最后舉個例子，阿里內(nèi)部機器學(xué)習(xí)挑戰(zhàn)賽，無數(shù)碾壓答主10000倍的大神參賽。最后冠軍沒有用任何高大上的算法而是基于對數(shù)據(jù)和業(yè)務(wù)的深刻理解和極其細(xì)致的特征調(diào)優(yōu)利用非常基本的一個算法奪冠。所以啥都不如真正的實操擼幾個生產(chǎn)項目啊。