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(jìn)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(xì)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?；蛘咦晕医榻B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(yán) - 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(fù)梯度方向），然后給任意一個點作為初始點進(jìn)行迭代，令每次迭代后新的點坐標(biāo)為上一個迭代點坐標(biāo)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(biāo)值進(jìn)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(biāo)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(jìn)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(biāo)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(jìn)行變形，再在這個鄰域內(nèi)直接一步求出最優(yōu)解，不進(jìn)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(jìn)。

責(zé)任編輯：xj

原文標(biāo)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。