如何准备机器学习工程师的面试
1. 算法和理论基础
统计
推荐： 统计学习方法
统计学习的核心步骤：模型、策略、算法
能够随手写出这些算法的核心递归步的伪代码以及他们优化的函数表达式和对偶问题形式
数学知识
深刻理解矩阵的各种变换，尤其是特征值相关的知识
算法知识
深刻理解常用的优化方法：梯度下降、牛顿法、各种随机搜索算法（基因、蚁群等等）
2. 工程实现能力与技术水平
深刻理解在1中列出的各种算法对应应该采用的数据结构和对应的搜索方法， 比如kNN 对应 KD树
Hadoop
3. 业务理解和思考深度
最后冠军没有用任何高大上的算法而是基于对数据和业务的深刻理解和极其细致的特征调优利用非常基本的一个算法夺冠