# 计算机面试
**Repository Path**: Howie0126/Interview
## Basic Information
- **Project Name**: 计算机面试
- **Description**: 企业面经，稍加筛选和修改后用于本人复习夏令营和预推免
- **Primary Language**: Unknown
- **License**: GPL-3.0
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No
## Statistics
- **Stars**: 2
- **Forks**: 0
- **Created**: 2021-09-09
- **Last Updated**: 2023-08-03
## Categories & Tags
**Categories**: Uncategorized
**Tags**: None
## README
# Daily Interview
## 背景
牛客网，知乎等众多网站上包含了数以百万计的面经，但往往大而散，面试者在准备面试时候去翻阅不但浪费时间，翻阅材料越多，越觉得自己很多知识点都没有掌握，造成心理上极大的压力，导致面试中不能发挥正常水平甚至面试失败。
其实，每一位求职者都应该有自己的一份面试笔记，记录笔试中常涉及到的知识点和项目中常被问到的问题。每次面试之前看一遍，做到举一反三，融会贯通，熟捻于心，方能在每次面试中汲取经验，最后从容应对。我个人就有自己的面试笔记，每次面试之前都会翻一遍，边看边想，但求好运。
## 宗旨：
不需要大而全，涵盖所有内容，因为知识在不断更新迭代，我们也做不到涵盖所有。
不提供查漏补缺，因为每个人的短板不尽相同，需要面试者根据自己知识体系，多加思考，自己完善。
这是一份每一个面试者面试之前必看一遍的小面经。面试之前的半天时间，温故而知新。
## 内容：
使用指南：
1. 目前大部分成员是做AI算法，所以主要精力在AI算法一块。若有对开发感兴趣的人员参与整理，十分欢迎。
2. 数据结构与算法本来属于计算机基础一部分，但是因为不管面试算法岗还是开发岗，都会问到，所以单独提出来。
3. 算法岗：重点是AI算法、数据结构与算法；了解数学、计算机基础。
开发岗：重点是开发、数据结构与算法、计算机基础。
以面试岗位为梳理主线，整理面试之前必看的面试题目，给出高频的面试知识点和面试题。
### 机器学习
- 机器学习基础
- [Metrics](./AI算法/machine-learning/metrics.md)
- [过拟合与欠拟合](./AI算法/machine-learning/过拟合与欠拟合.md)
- [梯度下降](./AI算法/machine-learning/梯度下降.md)
- [ABTest](./AI算法/machine-learning/ABTest.md)
- 机器学习算法
- [线性回归+逻辑回归](./AI算法/machine-learning/线性回归+逻辑回归.md)
- [SVM](./AI算法/machine-learning/SVM.md)
- [Decision Tree](./AI算法/AI算法/machine-learning/DecisionTree.md)
- [EnsembleLearning](./AI算法/machine-learning/EnsembleLearning.md)
- [Adaboost](./AI算法/machine-learning/Adaboost.md)
- [XGBoost](./AI算法/machine-learning/XGBoost.md)
- [LightGBM](./AI算法/machine-learning/LightGBM.md)
- [Catboost](./AI算法/machine-learning/Catboost.md)
- [Kmeans](./AI算法/machine-learning/Kmeans.md)
- [K-nearest neighbor](./AI算法/machine-learning/KNN.md)
- [NaïveBayes](./AI算法/machine-learning/NaïveBayes.md)
- [CRF](./AI算法/machine-learning/CRF.md)
- [Apriori](./AI算法/machine-learning/Apriori.md)
- [Prophet](./AI算法/machine-learning/Prophet.md)
### 数据结构与算法
+ [数组](./数据结构与算法/Array.md)
+ [排序](./数据结构与算法/sort.md)
+ [贪心](./数据结构与算法/greedy.md)
+ [字符串](./数据结构与算法/string.md)
+ [链表](./数据结构与算法/linklist.md)
+ [二叉树](./数据结构与算法/binaryTree.md)
+ [图](./数据结构与算法/graph.md)
+ [搜索](./数据结构与算法/search.md)
+ [动态规划](./数据结构与算法/dp.md)
+ 其他
### Big data
+ [MapReduce](./开发/大数据/mapreduce.md)
+ [Technology](./开发/大数据/Technology.md)
+ [Questions](./开发/大数据/questions.md)
### 计算机基础
+ [操作系统](./计算机基础/操作系统.md)
+ [计算机网络](./计算机基础/计算机网络.md)
+ [数据库](./计算机基础/数据库.md)
### 图像处理算法工程师
- 基础知识
- [CV基础](./AI算法/CV/CV基础.md)
### 自然语言处理算法工程师
- 文本表示
- [文本结构理解](./AI算法/NLP/文本表示/文本结构理解.md)
- [文本表征方式](./AI算法/NLP/文本表示/文本表征方式.md)
- 特征挖掘
- [基于深度学习的模型](./AI算法/NLP/特征挖掘/基于深度学习的模型.md)
- 应用场景
- [NLG](./AI算法/NLP/应用场景/NLG.md)
### 前端开发
- [基础知识](./开发/前端开发/README.md)
### Java 后端开发
- [基础知识](./开发/Java后端开发.md)
## 使用方法：
面试之前能够花半天时间翻一翻的面试笔记，翻看不是目的，目的是翻看时候的温故、知新和信心。建议每个求职者根据自己的面试经验和项目情况填充该框架，加入自己的理解与感悟，把知识内化于心，刻上自己的印记。
对于有充足的时间准备面试的小伙伴，不妨将框架中涉及的内容深入学习理解，如果能加上实践项目进行理解，可谓锦上添花。
## 关注我们
"Datawhale是一个专注AI领域的开源组织，以“for the learner，和学习者一起成长”为愿景，构建对学习者最有价值的开源学习社区。关注我们，一起学习成长。"
## LICENSE
本作品采用知识共享署名-非商业性使用-相同方式共享 4.0 国际许可协议进行许可。