机器学习面经
入门：
1）吴恩达的课程，最好是看一遍，网上有课件下载的，边看课件边听课效果会更好。
参考博客：http://blog.csdn.net/stdcoutzyx/article/category/2697301
http://blog.csdn.net/abcjennifer/article/category/1173803/3
这两个博客都是该课程的笔记，要是你能自己写出这样的笔记的话，那就更好。
2）统计学习方法：一本非常经典的书，几乎是找机器学习工作必看的书。这本书算是一个速成宝典，不过里面的公式还是挺多的。
3）机器学习实战：这本书有各种机器学习算法的代码，以及一些实战经验（实战经验很重要，面试提问的重点，但是这本书上写的也不是很多，即使写了也不会讲太多为什么，面试官很关心为什么的，看算法的时候多想想为什么会这样，也多跟有实战经验的人交流交流）。
4) PRML：有时间的话，一定要看一下这本宝典，没时间的话可以用其作为参考。纸质的只有英文版（书里面的英文真心不是很难），网上也有个人翻译版的（非专业的），还有各种看这本书的笔记博客，甚至还有专门的QQ群是用来讨论这本书的，可见这本书的重要地位。
进阶（我没有完全做到）：
-
推导出各个算法的公式，自己手动推导一遍算法，对算法的理解会上升一个等次。
-
自己动手写各种机器学习算法，用Python或者MATLAB写，相对容易很多。自己写完了算法，对算法的理解程度又会上升一个等级。【至少要把源码看一遍】
-
参加机器学习相关的竞赛，这类竞赛有很多很多。参加一次比赛，你对算法的理解又会上升一个等次。如果拿到一定的名次，奖金还挺丰厚的。
这里列举一些这两年的比赛（有些已经举行完了，有些还在进行中）：
中国大数据技术创新大赛：http://bigdatacontest.ccf.org.cn/problems.html
阿里天池大数据竞赛，这个里面有很多比赛，可以考虑参加下。http://tianchi.aliyun.com/competition/index.htm?spm=5176.100065.1234.3.qo6J75
中国好创意CCF全国青年大数据创新大赛：http://www.wid.org.cn/project/2015ccf/index.php
面试官喜欢问的问题：
-
对比两个经典算法，如比较一下LR和SVM，这个问题大有文章可做。不仅仅是要你知道他们的区别，还要知道为什么会有这些区别。
-
讲解某个算法，比如你了解LR的原理吗？讲一下。这个平时得练练，试着跟同学互相练习。看懂一个算法是一回事，能讲出来又是另外一回事，能写出来又是一回事。讲解算法时要有条有理，而且不要过早地讲细节，先要讲清楚算法的大概框架。有的面试官会让你直接让你推导公式，比如你推导下随机梯度版本的LR。
-
某个算法有哪些特点，为什么？比如为什么SVM适合解决高维问题？【说一个算法的优缺点的时候，一般是指没有进行改进前的算法，比如SVM中使用SMO算法进行求解的话，可以避免一些问题】
-
某个算法使用某些假设和方法，为什么要这么做？比如为什么SVM要使用对偶问题来解决原问题？
-
数据对算法的影响，比如规范化处理对LR和SVM的影响？数据不平衡对LR和SVM的影响？为什么会有这些影响？标称型数据该怎么处理？这些如果有实战经验的话，就更容易明白了。
-
其他经典问题：如何处理过拟合和欠拟合，如何调参，LR和SVM如何处理多分类问题，SVM如何选择核函数。
技术博客撰写：很重要，机器学习知识还是比较多比较细的，所以要养成写博客的习惯。
引用：写博客很费时费力，但技术博客有很多的好处，一是帮助自己理解知识，如果自己写出来了，对知识就是真正的理解了，不然很有可能是自以为是的理解；二是帮助知识归纳，面试前不会乱了阵脚，只要看看自己写的博客就行了；三是帮助面试，如果写得好的话，可以在自己的简历上粘上链接，面试官会有兴趣看的，这样对面试加分会很大。
