最近看各大招聘网站的面试经验，我打算针对算法岗位的面试题笔试题，出一个总结栏目，纵览其知识体系结构，并细粒度地给出讲解。
先看这篇，这是牛客网上一位大佬的面经，干货很多，总结一下有以下几大知识板块。

比赛

现在人工智能领域比赛非常多，经典的如kaggle、天池

常见问题

• 传统机器学习方案怎么做的？
• 深度学习方案怎么做的？
• F1提升了多少？
• 语料库怎么扩展的？
• 扩展后效果提升了多少？
• 是机器学习转化为深度学习对实验的提升多，还是语料库扩展的提升多？
• 参数怎么调的？
• 网络设了多少层？为什么？每一层的含义？

RNN神经网络

常见问题

• LSTM流程
• LSTM三个门控是如何设计的？
• LSTM如何解决梯度弥散问题？
• 为什么相乘- 变为相加就能解决梯度弥散问题？
• LSTM思想
• LSTM是框架还是自己实现的？

CNN神经网络

常见问题

• CNN原理

DNN神经网络

常见问题

• DNN是什么？
• 传统DNN如何改进梯度弥散？

机器学习

常见问题

• SVM原理、推导公式
• SVM与GDBT区别？
• GDBT为什么比SVM效果好？
• RF原理
• GDBT原理
• LR公式
• 评估指标有哪些？（P、R、F1、ROC曲线、AUC值）详解
• KNN原理
• kd-tree的构建与搜索原理
• Apriori关联规则原理

实习项目

常见问题

• 项目是怎么分工的？
• 你的工作职责是什么？
• 特征如何提取？
• 任务调配情况
• 有无进行模型改进?
• 创新点是什么？

新词发现

常见问题

• 基于左右熵互信息的新词发现原理
• 互信息的公式
• 为什么互信息可以用于新词发现？
• 内部聚合度、外部聚合度

其他知识

常见问题

• Adam原理
• Word2Vec原理
• Word2Vec维度怎么选的？
• 自己实现Word2Vec
• 损失函数是什么？
• 如何优化？
• 如何训练模型？
• 语料库的选择
• 如何扩充语料库
• F1公式
• 什么是准确度、精确度、召回？
• BOW、tf-idf的意义
• PageRank与倒排索引
• 什么是L1与L2正则？
• 为什么L1正则产生稀疏矩阵，L2正则可以防止过拟合？
• 了解Hadoop和Spark

Python编程

常见问题

• 快速排序代码
• 冒泡排序代码
• 手写开根号函数
• Python中search与match的区别？

此外
https://github.com/imhuay/Algorithm_Interview_Notes-Chinese
这里还有，而且我还需进行后续的更新