|
|
51CTO旗下网站
|
|
移动端
创建专栏

微软AI面试题有多难?这里有一份样卷

究竟什么样的AI人才能被微软这样的巨头聘用呢?今天,文摘君就淘来了几道微软AI 面试题,同时给出了最基本的解答。神秘的微软AI面试题,其实非常平易近人。一起来答答看!

作者:文摘菌|2018-05-15 08:35

微软AI面试题有多难

大数据文摘作品

编译:张南星、卫青、钱天培

究竟什么样的AI人才能被微软这样的巨头聘用呢?

是不是要码力超群,上来就能徒手写个AlphaGo呢?还是要眼光毒辣,当场就能构想出未来20年AI发展前景呢?

当然不是!

今天,文摘君就淘来了几道微软AI 面试题,同时给出了最基本的解答。(注意是最基本解答哦,欢迎在文末留言给出你认为更好的答案。)

神秘的微软AI面试题,其实非常平易近人。一起来答答看!

合并k个数列(比如k=2)数列并进行排序

合并k个数列(比如k=2)数列并进行排序

代码如上。最简单的方法当然就是冒泡排序法啦。虽然不是最有效的,但却容易描述和实现。

L1/L2正则度量有什么区别?

L1/L2正则度量

L1范数损失函数也叫做最小一乘法(LAD)以及最小绝对误差(LAE)。它主要在于最小化目标值(y_i)同预测值(f(x_i))之间的绝对差值之和。

公式一

L2范数损失函数也叫做最小平方误差(LSE)。它主要在于最小化目标值(Yi)以及预测值[f(xi)]之间差值平方之和。

公式二

L2范数损失函数

对于较大的误差误差,L2比L1给出的惩罚更大。此外,加入L2正则后,模型系数会向0聚拢,但不会出现完全为0的情况,而L1损失函数则能使部分系数完全为0。

如何寻找百分位数?

如何寻找百分位数?

就拿上面这道题目为例吧:过去12小时内共有1000人来过这个购物中心,请估测,截止至何时,购物中心刚好达到30%的总客流量?

如何寻找百分位数?

我们可以通过多项式线性回归(polynomial regression)或者平滑样条(spline smoothing)等技巧作出下图。

如何寻找百分位数?

即为30%的客流量对应3000人

从Y值为3000的点画一条水平线,当与曲线相交时,画一条垂直线在横轴上找到对应的时间值就可以啦。

怎么区分好的可视化与坏的可视化?

针对这个问题,我们会有很多不同的答案。比如,一个不能很好地处理异常值(outliers)的可视化,就不是一个好的可视化。

可视化

比如说我们有一个数组,在一系列小数字中有一个很大的数据([1,2,3,4,7777,5,6,9,2,3]),当我们可视化这个数组的时候,会产生如下的图:

可视化

右图→原始图片;中间图→规范化值;左图→标准化值

怎样才能更好地可视化这组数据呢?正如上图所示,即使我们对分析值进行了标准化或者规范化,产生的折线图依然不能很好地表示这组数组。究竟要怎么做呢?欢迎留言发表看法。

怎样更快地计算出逆矩阵?

比如,可以考虑Gauss-Jordan法。

如果是一个2x2的矩阵就很简单了。

逆矩阵是:

ad-bc≠0

只需要交换a和b,取b和c的负值,然后除以方阵ad-bc。

逆矩阵

定义方差

方差是每个数据点与整个数据集平均值之间差值的平方和。换而言之,就是数据的变化性。下面这张图就很好地解释了什么是方差。

方差

首先我们计算出每只狗和平均身高的差值;为了计算方差,将每个差值平方后加总,再求平均值。

最后,献上本文出现的所有代码:

https://colab.research.google.com/drive/1DYimC5CEKeXdT15tbptifYL2v5MPkyHj

相关报道:

https://towardsdatascience.com/my-take-on-microsoft-ai-interview-questions-with-interactive-code-part-1-c271388af633

【本文是51CTO专栏机构大数据文摘的原创译文,微信公众号“大数据文摘( id: BigDataDigest)”】

     大数据文摘二维码

戳这里,看该作者更多好文

【编辑推荐】

  1. 关系型数据库为什么能活这么久?
  2. 100+个自然语言处理数据集大放送,再不愁找不到数据!
  3. AI设计师“鹿班”核心技术公开:如何1秒设计8000张海报?
  4. Spring Cloud构建微服务架构:分布式服务跟踪(收集原理)
  5. 阿里技术大牛:一个NB架构师的必备素质
【责任编辑:赵宁宁 TEL:(010)68476606】

点赞 0
分享:
大家都在看
猜你喜欢

热门职位+更多