這一系列的機器學習面試問題試圖衡量你對機器學習的熱情和興趣。 正確的回答將證明你愿意為機器學習奮斗終生。
深入閱讀： 機器學習方面最好的研究論文/書籍有哪些？（https://www.quora.com/What-are-some-of-the-best-research-papers-books-for-Machine-learning）
如果你想表現(xiàn)出對機器學習的興趣，那么跟上機器學習的最新科學文獻是必須的。 這篇深度學習本質(zhì)可以作為一個很好的參考文獻，以及對深度學習領(lǐng)域動態(tài)的概述 -應(yīng)該是你可能想要引用的那種論文。
與最后一點相關(guān)的是，大多數(shù)招聘機器學習職位的機構(gòu)需要你在這個領(lǐng)域的正式經(jīng)驗。 如果你的研究論文是和某個領(lǐng)軍人物共同撰寫或受其指導(dǎo)，那么這有助于你被雇用。 確保你做好了研究經(jīng)歷和論文方面的準備 - 如果你沒有這些，那么就要準備好缺乏正規(guī)研究經(jīng)驗的解釋。
深入閱讀： 不同機器學習算法的典型用例是什么？（https://www.quora.com/What-are-the-typical-use-cases-for-different-machine-learning-algorithms）
上面的Quora帖子包含了一些例子，例如使用決策樹，根據(jù)智商得分將人們分到不同的智力層次。 確保你記住幾個例子，并描述一下你的共鳴。 重要的是，你要表現(xiàn)出對如何實施機器學習有興趣。
深入閱讀： Netflix Prize（https://en.wikipedia.org/wiki/Netflix_Prize）
Netflix Prize是一個著名的競賽，Netflix為勝出的協(xié)同過濾算法提供了100萬美元的獎金。 一個名為BellKor的獲勝團隊獲得了10％的提升，他們整合了多種不同方法（ensemble）。 對應(yīng)用案例及解決方案的了解將有助于證明你已經(jīng)關(guān)注機器學習一段時間了。
深入閱讀： 19個的免費公共數(shù)據(jù)集（https://www.springboard.com/blog/free-public-data-sets-data-science-project/）
像這些的面試問題，其目的是了解你對機器學習的興趣。 對機器學習真正充滿激情的人會自己主動做些額外的小項目，并且很了解那些出色的數(shù)據(jù)集。 如果你還不太了解，請查看Quandl的經(jīng)濟和金融數(shù)據(jù)或者Kaggle的數(shù)據(jù)集。
深入閱讀： Waymo Tech（https://waymo.com/tech）
機器學習面試中，像這樣的問題主要是測試你對不同的機器學習方法的了解，以及在你不知道答案時的創(chuàng)造力。 Google目前正在使用recaptcha來獲取店面和交通標志上的標簽數(shù)據(jù)。 他們還利用了GoogleX的Sebastian Thrun所收集的訓(xùn)練數(shù)據(jù) - 其中一些是由他的研究生在沙丘上駕駛越野車獲得的！
深入閱讀： 使用深度神經(jīng)網(wǎng)絡(luò)和樹搜索征服圍棋（http://www.nature.com/nature/journal/v529/n7587/full/nature16961.html）
AlphaGo擊敗了最頂級的人類棋手李世石，這是一個在機器學習和深度學習歷史上影響深遠的事件。 上面提到的論文中描述了AlphaGo的實現(xiàn)算法，它利用深度神經(jīng)網(wǎng)絡(luò)進行蒙特卡洛樹搜索，這個深度神經(jīng)網(wǎng)絡(luò)的訓(xùn)練，同時采用了監(jiān)督學習（利用來自人類專家的經(jīng)驗）和強化學習（通過自我博弈）。
原文：41 Essential Machine Learning Interview Questions (with answers)
