知乎/回答
2 分钟data scientist 有什么常见 machine learning 相关的面试问题？
谢邀
适合面试ML的题目可借鉴性并不大，因为很多时候你懂了就是懂了，不懂就是不懂，刷题并没有很大的帮助。努力啃课本，看论文，看公开课，才是王道。
要说题目哪里多的话，其实可以参考各大经典教材的习题，比如PRML的课后习题。
另一方面，我在我之前面试的过程中也被问了不少ML的题目，原文可参考：
Data Scientist 面试都面了哪些题？ - Hello陈然! - 知乎专栏
Machine Learning相关的问题就太多了，我稍微列举一些我遇到过的问题：
- 一些分布参数的最大似然估计之类的东西是什么，如何推导
- LR SVM的本质区别是什么
- 哪些Regularization，都各有什么性质
- 对于Naive Bayes的理解，NB有哪些局限性
- Random Forest 为什么很好用
- 如何做Model Selection
- 给一组数据，问Decision Tree，LR，NB，SVM等算法学出来都是什么样子的，是否学不出来，怎么处理，有哪些Kernel，在图上画线怎么画 还有被问到了一些比较难的问题，比如：
- 对于Graphical Model的理解，写出LDA的公式，给出Topic Model 生成过程等的
- PageRank的原理和公式推导