【经验贴】硅谷工程师：十分钟带你了解硅谷机器学习/数据科学面试考什么。

Job Hunting Data Science
1

大家好，我叫Frank，目前现在在硅谷的一家Startup做机器学习工程师已经快两年了，期间也面试了一些候选人，这是我自己总结的准备机器学习面试的知识清单，之后还会推出更多的机器学习视频。 如果喜欢我的视频请subscribe，谢谢！

视频链接：https://www.youtube.com/watch?v=nEiG08Rw5Ck

基础ML知识: （最基础）
Bias / Variance, Measurement (Precision / Recall / AUC / Accuracy), TPR/FPR/TNR/FNR, MLE / MAP, PCA, Gradient Descent, Overfitting, Loss, Pre-processing，Regularization

数学知识：
概率: 贝叶斯, 概率分布
纯数学: PCA, MLE / Likelihood

常见模型: （费时间）
Supervised: Regression, Classification
Un-supervised: Clustering
Neural Network

重要的Regression模型
Linear Regression
Ridge / Lasso Regression
Bayesian Linear Regression

重要的Classification模型
Logistic Regression
Naïve Bayes
SVM
Decision Tree ( + Random Forest + GBDT)

重要的Clustering模型
K-means

Neural Network
Dropout
Batch Normalization
Back propagation

我的Leetcode每题解答（每日更新中）：https://www.youtube.com/playlist?list=PL6i_0cc-sEeKV6TM-RJMN5H87CvzQhYJx

2 Likes