三星班加罗尔研究简介面试经验
编码轮：
Kim 问题检查 (https://www.geeksforgeeks.org/samsung-interview-experience-set-30-campus/)
小组讨论：
他们实际上提出了一个非常大的问题。问题的挑战在于您应该能够在非常有限的时间内分析完整的问题。面试官很冷淡，他们在暗示。我回答了蛮力解决方案并根据面试官的提示对其进行了优化。当然，他们要求我们编写伪代码，但你也应该能够用你的答案说服面试官。
技术第 1 轮和第 2 轮（我不记得在哪轮中问了哪个问题）：
1.介绍一下你自己（在这种情况下，主要突出与个人资料相关的要点，主要是你对 ML 的兴趣，如果可能的话，在 DL 和 NLP 等相关领域也谈谈你的成就）
2.两轮他们让我解释我的第二年实习项目，我实际上是根据这项工作发表了一篇会议论文（这在选择时起到了推动作用），所以他们对这个项目很感兴趣。你的项目可能是最好的，但说服面试官是关键！
3.一个关于贝叶斯定理的简单问题，如果你知道贝叶斯定理你就能回答。
4.生成分类器和判别分类器之间的区别以及每个分类器的示例。
5.线性回归和逻辑回归从假设到损失函数的一切。您应该知道逻辑回归相对于线性回归的优势。
6.你知道CNN吗？是的，我有一些想法，但从来没有做过！
我向他解释了为什么它被称为神经网络，然后他问我为什么它被称为卷积，我在想一些关于普通卷积的东西（但没有解释他可能是你应该的！）但在面试官继续之前永远不要放弃自己回答下一个问题。
7.你知道Softmax回归和LSTM吗？仅解释了 Softmax。
8.你有1、5、10的无限面额，你可以用多少种方法来做605的总和。他把这个问题当作一个谜题来问，但由于动态编程，我把它作为一个编码问题来回答，他对此有点接受。
- 使用线性回归的数据集条件是什么。我回答了一些算法期望数据集具有高斯噪声，但不确定线性回归。
- 他们问我为什么你的项目是纯机器学习而不是深度学习和自然语言处理（他们在项目中使用深度学习和自然语言处理），我说我从来没有机会从事这些工作，但愿意从事这些工作。
11.什么是Likelihood和probability，我们可以用它们互换吗？
12.什么是熵？解释它的物理意义，给出这个公式背后的解释直觉。
13.关于Parazen窗口的一些基本问题。
我建议您对机器学习的所有重要概念有很好的理解，不仅是算法的作用，而且在什么情况下它会被首选以及算法是如何制定的（比如一些算法做最小二乘误差最小化和一些使用最大值可能性概念）。
加州理工大学 (Prof Yasser Abu Mustafa) 在 YouTube 上有一个关于机器学习的在线课程，其中的概念以令人难以置信的方式进行了解释。感谢加州理工学院和亚瑟教授。
此外，在 Medium 和 Towards Data Science 等博客中，大多数概念都以非常直观的方式进行了解释。我强烈建议看看这些。
MATLAB 有一篇关于选择分类器的文章，它将帮助您对 ML 有一些总体了解。
Hacker earth 也有一些与 ML 和图像处理相关的文章，它们也将帮助您更好地了解 ML。
人力资源回合：
问了一个项目。
提出了一个非常冗长且笨拙的问题，但如果分析得当，它原来是一个基本的直接或反比问题。
基本的人力资源问题，但也要为它们做好准备，有些问题是
- 为什么选择三星？ （对公司表现出兴趣是非常小鬼）。
- 您在团队中工作时面临的一般问题是什么？
- 你是领导者还是追随者？
- 您的许多项目主要是数学项目，您是否可以从事基于 DL 和神经网络的项目。
总共有 3 人被选中，其中 2 人被选为研究概况（我是其中之一），1 人被选为开发人员。
非常感谢 Geeks 主要在编码部分帮助我。