理工酷

我们可以从不同的角度来讨论这个问题，而不是仅仅告诉你一个全面的面试问题的列表。

很多人在给ML面试准备提供建议时，忽略了面试过程中最关键的一个方面：面试实际上有两个“部分”，分别代表了你可能会被问到的两种不同类型的问题。

1．关于你对机器学习理论的具体知识的问题。这些问题通常是面试官想要知道的，有特定的正确答案的问题。你可能会被问到偏差和方差是什么，有监督和无监督学习的区别，贝叶斯定理以及如何使用它，如何避免过度拟合模型，以及其他类似的问题。

以上看似基本的问题其实很重要。如果你不了解机器学习的核心概念，你将很难成为一名优秀的机器学习工程师，一家大公司也不会冒险雇用你。

然而，我认为应试者花太多的时间来准备上述问题，而在第二类的面试问题上花费的时间不够：

2机器学习系统设计问题。这些都是开放式问题，没有一个特定的正确答案，你可以引用。相反，在设计一个复杂的系统时，你会被要求思考然后做出决定，并解释你的逻辑。

此类问题的一些例子包括：

设计一个搜索引擎的搜索排名系统

设计一个类似Netflix平台的推荐系统

设计一个类似Twitter的feed系统，向人们展示与他们最相关的tweet

设计一个广告预测系统，向用户展示相关广告

像这样的问题需要你将机器学习理论的知识与某一特定的应用结合起来，并在较高的层次上思考现实世界的机器学习问题。比起你的具体解决方案，面试官更感兴趣的是你如何处理这些问题。你考虑了哪些因素？你做了什么权衡？为什么这样做？

你在这些问题上的表现不仅对你的录取决定有很大影响，而且对你的未来职业发展同样重要。