Skip to content

Datawhale成员整理的面经,内容包括机器学习,CV,NLP,推荐,开发等,欢迎大家star

License

Notifications You must be signed in to change notification settings

hellohaozheng/daily-interview

 
 

Repository files navigation

Daily Interview

背景

牛客网,知乎等众多网站上包含了数以百万计的面经,但往往大而散,面试者在准备面试时候去翻阅不但浪费时间,翻阅材料越多,越觉得自己很多知识点都没有掌握,造成心理上极大的压力,导致面试中不能发挥正常水平甚至面试失败。 其实,每一位求职者都应该有自己的一份面试笔记,记录笔试中常涉及到的知识点和项目中常被问到的问题。每次面试之前看一遍,做到举一反三,融会贯通,熟捻于心,方能在每次面试中汲取经验,最后从容应对。我个人就有自己的面试笔记,每次面试之前都会翻一遍,边看边想,但求好运。

宗旨:

不需要大而全,涵盖所有内容,因为知识在不断更新迭代,我们也做不到涵盖所有。 不提供查漏补缺,因为每个人的短板不尽相同,需要面试者根据自己知识体系,多加思考,自己完善。 这是一份每一个面试者面试之前必看一遍的小面经。面试之前的半天时间,温故而知新。

内容:

使用指南:

  1. 目前大部分成员是做AI算法,所以主要精力在AI算法一块。若有对开发感兴趣的人员参与整理,十分欢迎。

  2. 数据结构与算法本来属于计算机基础一部分,但是因为不管面试算法岗还是开发岗,都会问到,所以单独提出来。

  3. 算法岗:重点是AI算法、数据结构与算法;了解数学、计算机基础。

    开发岗:重点是开发、数据结构与算法、计算机基础。

以面试岗位为梳理主线,整理面试之前必看的面试题目,给出高频的面试知识点和面试题。

机器学习

数据结构与算法

Big data

计算机基础

图像处理算法工程师

自然语言处理算法工程师

前端开发

Java 后端开发

使用方法:

面试之前能够花半天时间翻一翻的面试笔记,翻看不是目的,目的是翻看时候的温故、知新和信心。建议每个求职者根据自己的面试经验和项目情况填充该框架,加入自己的理解与感悟,把知识内化于心,刻上自己的印记。 对于有充足的时间准备面试的小伙伴,不妨将框架中涉及的内容深入学习理解,如果能加上实践项目进行理解,可谓锦上添花。

关注我们

扫描下方二维码关注公众号:Datawhale

LICENSE

知识共享许可协议
本作品采用知识共享署名-非商业性使用-相同方式共享 4.0 国际许可协议进行许可。

About

Datawhale成员整理的面经,内容包括机器学习,CV,NLP,推荐,开发等,欢迎大家star

Resources

License

Stars

Watchers

Forks

Releases

No releases published

Packages

No packages published