想通過數(shù)據(jù)競賽來提升實踐能力，作為小白有什么入門經(jīng)驗

想通過數(shù)據(jù)競賽來提升實踐能力，作為小白有什么入門經(jīng)驗？

李玲 - 攜程算法工程師

（1）首先是筆試，刷leetcode就夠了，主要刷中等難度的，如果一開始比較難進入狀態(tài)可以先試試簡單難度的找找信心，Hard的題目很少被問到。盡量多刷，先保證能通過筆試（當(dāng)然面試也很有可能會問到） （2）如果有可以跳過筆試直通面試的內(nèi)推那就更好啦，沒事多看看牛客網(wǎng)，有各種內(nèi)推信息和面試經(jīng)驗 （3）如果對自己的能力不夠自信的話，前幾次面試盡量不要面大公司，先找?guī)准倚」痉e累面試經(jīng)驗，補足短板。心儀的公司可以放靠后，但也不要放很后面，因為面試多了之后很容易疲憊。 （4）基礎(chǔ)要扎實，常見的算法的原理要能夠說清楚。項目經(jīng)歷的表述先打個草稿，想好怎么說，引導(dǎo)面試官問自己擅長的方面。一定要對項目有足夠的了解，面試官問到什么都能有回應(yīng)。

（5）平時可以多關(guān)注一下行業(yè)前沿，自己的研究領(lǐng)域的最新發(fā)展，最新的模型，表現(xiàn)最好的模型，最好有一定程度的了解。暫時想到這些，加油！

2

李碧涵 - 微軟工程師

簡歷→邀面→自我介紹→聊項目→面試官出算法題題/應(yīng)用場景題

（1）簡歷只是敲門磚，敲完后就看個人表現(xiàn)了

（2）有些公司很看重做題（外企和字節(jié)等），有些公司很看重項目。所以作為面試者，想要通過面試，要么在自己的項目上，要么在題目上做的很出色。這樣才能吸引面試官。詳細有三點原則：

① 無論項目還是做題都需要你：頭腦清晰，邏輯棒（自己私下多練習(xí)幾遍項目介紹或題目講解）

② 項目出色：項目肯定要有，不然會出現(xiàn)尬聊沒話題的情況另外要會包裝項目。或者自我介紹中多為項目知識點挖坑，引導(dǎo)面試官來問你

③ 刷題出色：連續(xù)1個月每天都刷題?

3

郭修均-字節(jié)跳動

（1）技術(shù)面一定要刷題，leetcode 200道走遍天下都不怕； （2）有機會的話做些落地場景，會發(fā)現(xiàn)很多坑都是在純凈的題庫里看不到的，而且很多經(jīng)驗要碰到過才能答出來；

（3）算法求解一定要能說清背后的數(shù)理邏輯。還有口才，清晰的說明你的答案，而不要東一榔頭西一棒槌。

4

阿水 - 京東算法工程師

資料推薦：《百面機器學(xué)習(xí)》、《百面深度學(xué)習(xí)》、西瓜書《機器學(xué)習(xí)》、花書《深度學(xué)習(xí)》、Leetcode 200題。

5

肖然 - 百度算法工程師

據(jù)自己當(dāng)年經(jīng)歷，leetcode：200起步。然后才是其他，面試過程兩道題壓壓驚，壓住了基本可以談笑風(fēng)生。以后就是項目經(jīng)驗和基礎(chǔ)支持，研發(fā)或者算法的基礎(chǔ)知識，多看看相關(guān)的書，就可以了。建議簡歷上的任何一點都要會，不要寫上自己不會的坑自己。

6

李嚴 - 白騎士數(shù)據(jù)分析

在簡歷無法更上一層的前提下，大量面試，大量試錯，總結(jié)技術(shù)經(jīng)驗，邊面試邊學(xué)習(xí)，頂尖的不好說，但總能找到。

機器學(xué)習(xí)中常用的最優(yōu)化方法有哪些？

Datawhale優(yōu)秀回答者：五花肉，郭佳林

常見的最優(yōu)化方法有最速下降法（梯度下降法），牛頓法，共軛梯度法，擬牛頓法等等。目的都是求解某個函數(shù)的極小值。

1

最速下降法

使用條件是函數(shù)具有一階連續(xù)偏導(dǎo)數(shù)。

步驟：首先通過求函數(shù)的一階偏倒數(shù)得出函數(shù)的最速下降方向（負梯度方向），然后給任意一個點作為初始點進行迭代，令每次迭代后新的點坐標為上一個迭代點坐標減去上一個點處的梯度值乘步長（步長可以根據(jù)每個點的坐標值進行求解）。若迭代到某個點后，該點梯度值小于某個預(yù)設(shè)的很小的閾值，則說明不需要繼續(xù)迭代。該點即為極小值點。

2

牛頓法

基本思想是用一個二次函數(shù)近似逼近目標函數(shù)，然后直接求解出二次函數(shù)的極小值點。首先令原函數(shù)在某點做二階泰勒展開，進行變換后可以得到原函數(shù)在某鄰域內(nèi)的近似二次函數(shù)。為求該二次函數(shù)極小值，令其一階偏導(dǎo)數(shù)為零，可以直接得到函數(shù)在該鄰域的極小值（為原始點坐標減去該點的海森矩陣乘梯度）。

3

總結(jié)

可以看出，最速下降法是通過一步步迭代，每次迭代都要計算梯度和步長，最終得到最優(yōu)解；牛頓法是函數(shù)先在某個鄰域內(nèi)進行變形，再在這個鄰域內(nèi)直接一步求出最優(yōu)解，不進行多輪迭代，所以對初始點的選擇要求較高。擬牛頓法和共軛梯度法在這兩種迭代思想上繼續(xù)加以改進。

責(zé)任編輯：xj

原文標題：數(shù)據(jù)、算法崗的幾點經(jīng)驗分享！

文章出處：【微信公眾號：人工智能與大數(shù)據(jù)技術(shù)】歡迎添加關(guān)注！文章轉(zhuǎn)載請注明出處。