数据挖掘

🏢公司名称：京东零售💻招聘岗位：java开发工程师、数据开发工程师🌟内推码：校招内推码：C3Q1M，社招内推码：75SQ7💰福利待遇：班车、饭补、健身、员工保险等🤔工作体验：成长快、薪酬福利优厚#内推#加入京东，更快到达你想要的未来~校招链接：https://campus.jd.com/插播，本部门还有社招名额，部门为京东零售数据中台，北京、上海都有职位，java开发工程师、数据开发工程师都有，加 ************直接内推，另外部门还有部分25年校招补录的名额，需要的也可以加我#牛客AI配图神器##Java##数据挖掘##数据##数据开发工程师#

本人9本海硕计算生态学应届毕业生（主要是Linux和R语言跑数据分析），无实习经历，目前想转行互联网大数据挖掘但是缺乏垂直项目经历，现在打算做一个大数据全栈分析的demo项目作为作品集放到简历中，想模拟实际工作场景的整套数据工作流程（源头数据采集 [电商和招聘平台]→建数仓→数据分析→数据挖掘），边学习边实操大数据相关的所有主流技术栈。我想先分别独立分析电商和招聘软件中的信息，再融合分析研究工作岗位和收入对用户购买行为的影响（跨软件平台数据是否支持？），想请教一下这样的想法的合适性和实操性如何。我觉得主要的问题是数据采集，因为云数据平台 （kaggle、阿里云等）上开源的数据集脱敏，难以产生实际性结论，且都是干净的数据，缺乏上下文，有点脱离实际工作场景。请问推荐以什么方式进行大数据采集？还是说应该把重心放在数据挖掘模型和算法的学习上，不建议花过多时间学习数据采集，直接拿现成数据集比较好呢？另外，目前处于择业迷茫期，有点搞不清努力的方向。本人喜欢钻研技术，不大喜欢和业务问题打交道，因此在想会不会相比于数分来说朝着后端路线学习发展更适合我，但又有些止步于学习后端技术栈需要花费的时间成本和非科班求职的高门槛。希望大佬们牛友们指点迷津。🙏#数据分析# #数据挖掘# #大数据# #机器学习# #后端#

秋招timeline7.6开始投递，8.2参加第一场面试，11.1收到第一个意向，1.26参加最后一场面试，2.4收到最后一个意向（总结待更新）以下为截至2024年2月4日的投递记录和结果OPPO：数据分析工程师（提前批），7.6投递，8.1前已终止米哈游：数据挖掘工程师（提前批），7.6投递，7.31已终止米哈游：国际化数据运营，7.31邮件通知岗位调剂，8.2投递，8.9邮件通知笔试，8.13笔试未参加，9.6邮件通知笔试，9.10笔试未参加，10.10邮件通知笔试，10.14笔试，10.23前已终止万得：AI算法工程师，7.6投递用友：算法工程师，7.6投递，8.12邮件通知测评，8.1...

这个岗位偏向数据挖掘，主要涉及供应链方向一面（技术面）自我介绍盘问项目，主要是在学校课题组做的网约车相关项目，盘问了建模的细节、创新点、模型的求解效果等（面试官人超级好，帮我指出了一些可以改进的点，并且还对我整体的内容做了拓展，建议我的毕业论文还可以结合哪方面去扩充，超级牛的老师）为什么用DQN而不是PPO，两者有什么区别简述浅拷贝与深拷贝的区别？讲讲用过的git的操作指令谈一谈多线程与多进程的理解看到我简历中有用到遗传算法，老师还问了对于现在最新的一些群智能/进化算法有没有了解（回答没有，这点需要多补充学习）出了一道建模题，在一块电子板上，有100个有正负极的电子管，其中有50对电子管需要产生连接，电子管之间可以正负相连也可以负正相连，要求连接线路不可交叉，若有交叉可以让部分线路在电子板反面进行连接，目标是反面连接的线路越少越好我把这个问题和上一段实习中涉及的一个项目做了对照，讲了我在项目中是怎么解决的（邻域搜索算法），老师说这种路径搜索的问题，现在一般用A*算法、深度搜索算法等。反问：问了老师更看重实习生的那些品质？-答：钻研的态度+新技术的探索+个人的思考+对问题的敏感度这次面试是体验感最好的一次，感觉并不是我在单方面回答面试官的问题，而是我和面试官老师在共同探讨问题，有种学生请教老师的感觉，非常美妙，也非常感谢这位老师过了三个工作日，收到二面的邮件~二面（有点类似hr面）：这一面有点类似与唠嗑（？上来先问我那年毕业，我说26年，面试官说找实习挺早哈，我说对找工作比较焦虑哈。然后问了毕业后准备读博还是就业，答：优先就业在做项目或者研究时，有没有遇到困难和挫折？主要来自于哪里？如何克服？平时怎样缓解压力？ #视源股份# #数据挖掘# #算法# #运筹优化#

一、自我介绍大家好，我是鬼仔。鬼仔是2021届硕士，毕业于华南地区某985高校，研究方向是图像处理和机器学习相关，曾在CVTE、字节和微信等公司实习，岗位均为算法研究，最后在校招期间成功拿到了字节、微信和华为等多家大厂的SSP offer。二、专栏内容本专栏编写的初衷是为了帮助校招生系统性地学习和掌握机器学习中的基础知识。在算法岗面试中，面试官对于机器学习的知识点，常常会考察得非常广泛。机器学习作为算法研究的基础，同学们需要牢牢地掌握。鬼仔在大学期间（本科+研究生）看了十几本有关机器学习和深度学习的书籍，也整理了不少笔记。好记性不如烂笔头，看书很重要，总结和整理也同样重要。有的问题你可能理解了...

自我介绍对推荐算法了解如何 项目深挖两个项目都是kaggle上的，面试官还吐槽怎么全是kaggle（这不是非科班没有项目只能硬整两个么）打比赛模型大家都差不多，如何进行提升介绍一下transfermer手写一下transfermer的自注意力的公式求数组中第k大的数（写了个nlogn的归并，经面试官提醒发现可以用快排写o(n)，但是快排忘了）反问面试了一个小时，体验还行，面试官看我写的代码看了半天，代码可读性真不行 #实习面经# #算法实习# #推荐算法# #数据挖掘#

前言 大家好，我系乜都识一D嘅鬼仔。最近可能是到了秋招季，很多同学私信鬼仔：如何系统地准备算法岗的面试？这其实是一个比较宏大的命题，鬼仔之前简单整理过几篇算法岗的高频知识点和面试题： 【算法岗必看】机器学习高频面试题汇总 【算法岗必看】深度学习高频面试真题 机器学习高频知识点-模型参数估计方法 机器学习高频知识点-L1和L2正则化的区别 但鬼仔的这几篇笔记太零散了，想到哪写到...

岗位是机器学习/数据挖掘/自然语言处理工程师（300个HC的岗位，这个算开发还是算法岗 ……），部门是meg商业研发部，说是做广告变现之类的。有大佬了解吗？能不能学到东西，会不会卡转正和裁员呀？周五：一二三面周一：OC #晒一晒我的offer# #百度# #百度工作体验# #机器学习# #数据挖掘# #自然语言处理# 后续：已拒。

前言 大家好，我是鬼仔。今天带来《机器学习高频面试题详解》专栏的第一章监督学习的第一节：感知机，接下来鬼仔将每周更新1～2篇文章，希望每篇文章能够将一个知识点讲透、讲深，也希望读者能从鬼仔的文章中有所收获。 欢迎大家订阅该专栏，可以先看看专栏介绍。如果对文章内容或者排版有任何意见，可以直接在讨论区提出来，鬼仔一定虚心接受！ 一、原理 1. 感知机模型 感知机模型是一个最经典古老的分类方法，现在基本没人拿它来作为实际的分类模型，但是其原理很经典，以至于很多算法都是基于感知机模型设计的，比如SVM、神经网络等。下面先介绍感知机模型原理。 假设在一...

从7月底到现在，已经投了103家算法了，囊括互联网、国央企、制造业、银行，大大小小笔试面试也经历几十场了，至今0 oc只能感慨秋招比申博难多了，考虑申博我这bg甚至还能小挑一下学校，不过家里经济条件实在不允许继续深造了，只能出来打工现在准备尝试土木外派了，考虑去非洲或者东南亚打灰去这个帖不定期记录相关投递进度，顺便帮同样走通无路的牛友们先探探路，看看计算机转土木是否可行生活不易，saki叹气 #算法#  #数据挖掘#  #土木工程#  #算法工程师[话题]#  #秋招#  #你都收到了哪些公司的感谢信？#  #你觉得今年秋招难吗# ⏳投递进度条

前言 大家好，我是鬼仔。今天带来《机器学习高频面试题详解》专栏第1.2节：逻辑回归，因为内容比较多，所以本节分为了上下两篇。鬼仔希望写的每篇专栏文章能够将一个知识点讲透、讲深，也希望读者能从鬼仔的文章中有所收获。 欢迎大家订阅该专栏，目前这篇是试读，后续的文章需要订阅才能查看哦（每周一更/两更），专栏预计更新30篇文章（只增不减），具体内容可以看专栏介绍，大家的支持是鬼仔更新的动力！ 一、原理 1. 线性回归模型 （1）讲到逻辑回归，我们首先要先了解线性回归模型。 线性回归模型假设输入特征和输出结果满足线性关系：，此时的是连续值，所以是回归模...

这是目前的知识储备，本人目前研二上，准备年后出去找一个数据挖掘岗位实习，有相关大佬给点意见，还需要补充哪些内容？#实习##面试##数据挖掘#