面试准备：算法与 ML

AI 方向面试通常同时考察工程基础与算法功底。面试官既看你是否写出正确代码，也看你是否讲清模型原理与取舍。本文梳理高频考点并提供复习节奏。

为什么这样准备

岗位不同侧重不同：研究岗深挖模型与数学，工程岗强调系统与代码。但算法题与机器学习基础是几乎所有岗位的交集，优先巩固它们性价比最高。

高频考点

• 数据结构与算法：数组、哈希、树、动态规划与图搜索，靠刷题保持手感。
• 机器学习基础：偏差方差、正则化、交叉验证、常用评估指标。
• 深度学习：反向传播、优化器、注意力机制、过拟合处理。
• 工程 Coding：用 Python 清晰实现小函数，注意边界与复杂度。

# 例：用哈希表实现两数之和
def two_sum(nums, target):
    seen = {}
    for i, v in enumerate(nums):
        if target - v in seen:
            return [seen[target - v], i]
        seen[v] = i

复习策略

• 每天定量刷题，按题型归类而非盲目数量。
• 用费曼技巧给每个模型写一段话解释，检验是否真懂。
• 动手跑实验对比不同超参数的影响，比只看结论更扎实。

小结

面试准备分三层：算法题保底、机器学习原理立本、深度学习理解加分。把刷题与讲原理结合，用代码验证理解，是稳定通过考核的务实路径。

参考与延伸阅读

• LeetCode 题库。已核验。https://leetcode.com/
• scikit-learn 通用机器学习教程。已核验。https://scikit-learn.org/stable/tutorial/index.html
• cs231n 课程笔记。已核验。https://cs231n.github.io/