微软中国(Microsoft)
北京市 · 计算机软件 · 500-999人
公司实力雄厚
A级纳税人
众创空间
经营产品·26

面试经验

“困难”
“体验一般”
1657 条面经
面试官有收获看中专业技能hr难度算法面试含英文微软英语2轮3轮及以上流程二面体验很好笔试技术自我介绍深挖项目简历电话面试
1759
机器学习
未通过感觉没戏
—BAT机器学习面试1000题系列(第1~10题)1.请简要介绍下SVMSVM,全称是support vector machine,中文名叫支持向量机。SVM是一个面向数据的分类算法,它的目标是为确定一个分类超平面,从而将不同的数据分隔开。扩展:这里有篇文章详尽介绍了SVM的原理、推导,《支持向量机通俗导论(理解SVM的三层境界)》。此外,这里有个视频也是关于SVM的推导:《纯白板手推SVM》2.请简要介绍下tensorflow的计算图@寒小阳:Tensorflow是一个通过计算图的形式来表述计算的编程系统,计算图也叫数据流图,可以把计算图看做是一种有向图,Tensorflow中的每一个计算都是计算图上的一个节点,而节点之间的边描述了计算之间的依赖关系。3.请问GBDT和XGBoost的区别是什么?@Xijun LI:xgboost类似于gbdt的优化版,不论是精度还是效率上都有了提升。与gbdt相比,具体的优点有:1.损失函数是用泰勒展式二项逼近,而不是像gbdt里的就是一阶导数2.对树的结构进行了正则化约束,防止模型过度复杂,降低了过拟合的可能性3.节点分裂的方式不同,gbdt是用的gini系数,xgboost是经过优化推导后的更多详见在k-means或kNN,我们是用欧氏距离来计算最近的邻居之间的距离。为什么不用曼哈顿距离?曼哈顿距离只计算水平或垂直距离,有维度的限制。另一方面,欧氏距离可用于任何空间的距离计算问题。因为,数据点可以存在于任何空间,欧氏距离是更可行的选择。例如:想象一下国际象棋棋盘,象或车所做的移动是由曼哈顿距离计算的,因为它们是在各自的水平和垂直方向做的运动。...查看更多
2 年前 发布
匿名用户
机器学习算法工程师
未通过未通过
微软的面试分为三轮,一个下午完成,正常情况都可以面到第三面。 第一面聊了10分钟左右的学习经历和比赛经历,因为我机缘巧合之下拿到一个比赛的第三名,因此主要和面试官扯了扯这个比赛。但是,我之前很少使用DNN,面试官还是建议学一下DNN。 聊完项目,就开始做算法题:最小的K个数:这道题LeetCode和剑指Offer里都有,可惜之前没有刷到过。话说,我真的是不幸,刷了300道题,都没有碰到。这道题我当时想出来用最小堆的做法,时间复杂度为O(log(n)),空间复杂度为O(K)。 最优的做法是快速选择,时间复杂度为O(log(n)),空间复杂度为O(1)。Java里的ArrayList的插入时间复杂度:因为,ArrayList的储存是固定数组。因此,超过数组大小,需要重新申请数组,然后复制。但是,平均时间复杂度还是O(n)。 第二面求中位数:我一开始以为是LeetCode那道Hard题,我就请求换了个题。后来想想,实在是不应该。多个有序数组合并:一开始,我想到了类似的归并的方法,但是时间复杂度较高。后来,我又想到了优先队列的方法,但是没有写出完美的代码。之后,面试官又问了能不能复现优先队列,没有实现成功。 第三面将字符串中的连续空格变为1个:实际是道Easy题,用两个指针就可以完成。但是,当时脑子瓦特,没有想到,后悔啊。系统题:忘了。 ...查看更多
包含1个问题,1个回答
Q:最小的K个数。
2 年前 发布
4
加载中
看准网微软中国(Microsoft)微软中国(Microsoft)面试经验微软中国(Microsoft)null面试经验

找工作