智商250到底是个什么情况？ - 未名空间MITBBS历史存档

国际科技财经博客移民网络热点娱乐民生时事公众号

Redian新闻

>未名空间

>Joke - 肚皮舞运动

智商250到底是个什么情况？

智商250到底是个什么情况？# Joke - 肚皮舞运动

D*r2014-09-04 07:09

1 楼

以前面试碰到过的
都没有唯一正确答案，看看大家有什么好的意见
1 给一段文字，怎么区分是小说还是小说的书评？
比如harry potter和harry potter的review，用什么办法区别？
（当然是用程序，不是找人读)
2 如果推出一种新产品，比如光控节能灯，怎么在投放市场之前估算受欢迎程度？
怎么找出值得推荐的用户？
3 如果商品针对用户的推荐程度有1～5五个等级，有什么办法来计算这些等级？需要什
么数据？用什么模型？

S*g2014-09-04 07:09

2 楼

【以下文字转载自 Military 讨论区】
发信人: StephenKing (金博士), 信区: Military
标题: 居然有傻X通过正规途径合法雇住家保姆！！！
发信站: BBS 未名空间站 (Sun Aug 17 14:43:22 2014, 美东)
发信人: toprunner (小笼包包), 信区: SanFrancisco
标题: Re: 其实月嫂以后还是可以请
发信站: BBS 未名空间站 (Sat Aug 16 01:00:43 2014, 美东)
是可以雇住家保姆的，只要不超时工作。
我们通过正当的，比较大的老美公司雇的住家保姆，就规定保姆要有自己单独的
bedroom, 一周只能工作 45 小时，每个月至少有一个完整的不工作的双休日，每周
开始之前要公布下周的 schedule 工作时间，如果和上周不一样。比如，你如果说
，中午 1-3PM 午休，如果那时宝宝没有睡，你要来接手，让保姆休息。不能说，
宝宝午睡了，你休息。公司还说， 12:00 am -5:00 am 是不能安排工作的，即便
你满足45小时per week. 现在看来这些规定都是保护双方的。
因为管食宿，价格是便宜的，我们是和公司签的合约，是按年签的，可以把保姆退
回去，如果不满意，他们再派新的。我们大部分的钱是给了公司了，只按公司说的
金额给保姆本人。平均到每个月是 1500-1700 。因为保姆有过特殊培训的就，贵一
点儿，比如特殊教育，婴儿护理什么的。

w*e2014-09-04 07:09

3 楼

【以下文字转载自 Rainbow 讨论区】
发信人: whiteRice (白米饭), 信区: Rainbow
标题: D&G 2012春夏 Menswear 缤纷斑斓的印花图纹与牛仔，看着有Hermes的影子。。。
发信站: BBS 未名空间站 (Thu Jun 23 11:45:59 2011, 美东)
随便看看。

H*g2014-09-04 07:09

4 楼

大家估计一下。

d*e2014-09-04 07:09

5 楼

1. bag of words+ naive bayesian.
2. A/B test + collobrative filtering.
3. like amazon

【在 D***r 的大作中提到】

: 以前面试碰到过的
: 都没有唯一正确答案，看看大家有什么好的意见
: 1 给一段文字，怎么区分是小说还是小说的书评？
: 比如harry potter和harry potter的review，用什么办法区别？
: （当然是用程序，不是找人读)
: 2 如果推出一种新产品，比如光控节能灯，怎么在投放市场之前估算受欢迎程度？
: 怎么找出值得推荐的用户？
: 3 如果商品针对用户的推荐程度有1～5五个等级，有什么办法来计算这些等级？需要什
: 么数据？用什么模型？

f*x2014-09-04 07:09

6 楼

这很傻吗？有公司的，至少背景调查健康体检什么的都做过，放心。培训过，也比较会
科学带孩子。

【在 S*********g 的大作中提到】

: 【以下文字转载自 Military 讨论区】
: 发信人: StephenKing (金博士), 信区: Military
: 标题: 居然有傻X通过正规途径合法雇住家保姆！！！
: 发信站: BBS 未名空间站 (Sun Aug 17 14:43:22 2014, 美东)
: 发信人: toprunner (小笼包包), 信区: SanFrancisco
: 标题: Re: 其实月嫂以后还是可以请
: 发信站: BBS 未名空间站 (Sat Aug 16 01:00:43 2014, 美东)
: 是可以雇住家保姆的，只要不超时工作。
: 我们通过正当的，比较大的老美公司雇的住家保姆，就规定保姆要有自己单独的
: bedroom, 一周只能工作 45 小时，每个月至少有一个完整的不工作的双休日，每周

z*i2014-09-04 07:09

7 楼

我觉得那个王谁谁，前高考状元那个，差不多

【在 H********g 的大作中提到】

: 大家估计一下。

D*r2014-09-04 07:09

8 楼

如果用bag of words, 小说和小说的书评会不会有很多重叠的特征？毕竟人物事件什么
的会有可能一致。

【在 d******e 的大作中提到】

: 1. bag of words+ naive bayesian.
: 2. A/B test + collobrative filtering.
: 3. like amazon

H*g2014-09-04 07:09

9 楼

我觉得智商主要就是一个洞察力。比如说下棋，没有看过任何谱，智商高的可以准确多
算几步，智商低的就算不出来。

D*r2014-09-04 07:09

10 楼

再补充两个问题：
1 如果数据严重biased，比如positive的占绝大多数，有什么好的办法处理？
2 如果数据中只有一小部分有label，其他的有feature但是没有label，
怎么利用这些数据来建立模型

H*g2014-09-04 07:09

11 楼

我觉得他智商并不高。江南大学那个文章看出来他对因果关系的敏感度非常低。
如果说那个文章反映了他思维上的优点，我觉得就是对琐事的记忆力很强，或者有很好
的笔记习惯。

【在 z***i 的大作中提到】

: 我觉得那个王谁谁，前高考状元那个，差不多

l*52014-09-04 07:09

12 楼

表示没有经历过

z*i2014-09-04 07:09

13 楼

记忆力很多时候能挑战智商
背本更高智商人的棋谱，能下赢一大片高智商

【在 H********g 的大作中提到】

: 我觉得智商主要就是一个洞察力。比如说下棋，没有看过任何谱，智商高的可以准确多
: 算几步，智商低的就算不出来。

o*42014-09-04 07:09

14 楼

1。用现在的model来sample更多case，只加入现在model说是negative的case，然后用
human label？
2. assign higher weights for negative instances？
3. 如果没有rating资源，直接加presume negatives？
些数据来建立模型
clustering，然后看那个cluster里有label的instance大多是什么label？

【在 D***r 的大作中提到】

: 再补充两个问题：
: 1 如果数据严重biased，比如positive的占绝大多数，有什么好的办法处理？
: 2 如果数据中只有一小部分有label，其他的有feature但是没有label，
: 怎么利用这些数据来建立模型

z*i2014-09-04 07:09

15 楼

我觉得这个验证了我的记忆迷惑智商的理论
我把他和250扯在一起是纯开玩笑的

我觉得他智商并不高。江南大学那个文章看出来他对因果关系的敏感度非常低。
如果说那个文章反映了他思维上的优点，我觉得就是对琐事的记忆力很强，或者有很好
的笔记习惯。

【在 H********g 的大作中提到】

: 我觉得他智商并不高。江南大学那个文章看出来他对因果关系的敏感度非常低。
: 如果说那个文章反映了他思维上的优点，我觉得就是对琐事的记忆力很强，或者有很好
: 的笔记习惯。

o*42014-09-04 07:09

16 楼

声明：不是data scientist。data scientist面试都求不到…… 我来瞎蒙。
human label instances -> extract text features from documents -> assign
weights of importance of each feature from the document using things like tf
-idf, also pay attention to position of the text feature (url term, title
term...etc) -> train an svm model using some labeled data －> evaluate model
precision recall and f score using hold off set data.
什么数据？用什么模型？
- Use existing ratings and product similarity to estimate future ratings
- Collaborative filtering using user similarly
- Shopping basket frequent pair analysis

【在 D***r 的大作中提到】

R*a2014-09-04 07:09

17 楼

算棋多几步也是主要看记忆力吧

【在 H********g 的大作中提到】

: 我觉得智商主要就是一个洞察力。比如说下棋，没有看过任何谱，智商高的可以准确多
: 算几步，智商低的就算不出来。

D*r2014-09-04 07:09

18 楼

我当时回答的就是做clustering，然后根据clustering的结果加上label
好像刚开始在train的时候最好不要用本来就有label的数据，而用它们来evaluate

【在 o*******4 的大作中提到】

:
: 声明：不是data scientist。data scientist面试都求不到…… 我来瞎蒙。
: human label instances -> extract text features from documents -> assign
: weights of importance of each feature from the document using things like tf
: -idf, also pay attention to position of the text feature (url term, title
: term...etc) -> train an svm model using some labeled data －> evaluate model
: precision recall and f score using hold off set data.
: 什么数据？用什么模型？
: - Use existing ratings and product similarity to estimate future ratings
: - Collaborative filtering using user similarly

H*g2014-09-04 07:09

19 楼

我看智商题里好像没有考记忆的，至少不是大规模的记忆。
有种游戏，看一堆水果，然后把图遮起来让人连线，那倒是稍微有点考记忆。不过如果
把图用数字编码也很好破。记忆一串汉语数字是很容易的。

【在 z***i 的大作中提到】

: 记忆力很多时候能挑战智商
: 背本更高智商人的棋谱，能下赢一大片高智商

o*42014-09-04 07:09

20 楼

一般有labeled data肯定不能全用的，都是8/2开 80% train 20% eval吧。

【在 D***r 的大作中提到】

:
: 我当时回答的就是做clustering，然后根据clustering的结果加上label
: 好像刚开始在train的时候最好不要用本来就有label的数据，而用它们来evaluate

H*g2014-09-04 07:09

21 楼

我也只是借机黑一下状元。

【在 z***i 的大作中提到】

: 我觉得这个验证了我的记忆迷惑智商的理论
: 我把他和250扯在一起是纯开玩笑的
:
: 我觉得他智商并不高。江南大学那个文章看出来他对因果关系的敏感度非常低。
: 如果说那个文章反映了他思维上的优点，我觉得就是对琐事的记忆力很强，或者有很好
: 的笔记习惯。

i*h2014-09-04 07:09

22 楼

不好意思，这里能再具体讲讲吗？我被问到过类似的问题，网上看了一些但是面试官都
不太满意，可能我自己理解有偏差。你能再具体说说吗？谢谢啊

H*g2014-09-04 07:09

23 楼

所以就要强调是玩没看过棋谱的游戏。
如果用下棋测智商，可以把象棋的走法临时全改了，再让他下棋。这基本可以防止棋谱
作弊。

【在 z***i 的大作中提到】

: 记忆力很多时候能挑战智商
: 背本更高智商人的棋谱，能下赢一大片高智商

e*i2014-09-04 07:09

24 楼

1. Outsource to India
2. Random sample, free trials, feedback loop
3. Gaussian function, median at 3 stars.

【在 D***r 的大作中提到】

z*i2014-09-04 07:09

25 楼

看不出你居然不是学霸，没给点猩猩惜猩猩

我也只是借机黑一下状元。

【在 H********g 的大作中提到】

: 我也只是借机黑一下状元。

l*s2014-09-04 07:09

26 楼

提供一些思路
1.用Bag of Words一般就可以，因为毕竟书评和小说里面不少词的分布还是很不一样，
比如某些表示喜欢不喜欢的词。另外可以加上其他的feature，比如文本长短，有无作
者，有无题目，里面的特殊标点符号等。在做文本预处理时，不要用stemmer和全部小
写化，因为这样会丢失很多morphological feature，你想想写评论时肯定跟小说文本
在这些方面有区别。
还有就是Naive Bayes。这里可以用Multinomial NB，应该比Bernoulli NB效果好，因
为文本相对比较多，且用词占vocabulary比重大，因此Multinomial模型好些。
在做feature时，比较一下binary，count，TFIDF，看看那个效果好。一般来说，文本
少的话，binary好些，TFIDF会比较偏向高variation，而降低bias。
另外还可以考虑加紧regularization，L1 L2那套，防止bias和variation问题。
基本上这个问题这么回答，照顾到了各方面。
2.没做过真实project 不清楚。
3.考虑Ordinal regression，处理target variable等级问题。

【在 D***r 的大作中提到】

z*i2014-09-04 07:09

27 楼

以后你去人事部搞招聘得了

所以就要强调是玩没看过棋谱的游戏。
如果用下棋测智商，可以把象棋的走法临时全改了，再让他下棋。这基本可以防止棋谱
作弊。

【在 H********g 的大作中提到】

: 所以就要强调是玩没看过棋谱的游戏。
: 如果用下棋测智商，可以把象棋的走法临时全改了，再让他下棋。这基本可以防止棋谱
: 作弊。

m*f2014-09-04 07:09

28 楼

这个算马工设计题吗？有没有相关的资料介绍一下，貌似一点都不懂

H*g2014-09-04 07:09

29 楼

我觉得这个发明应该暂时还不好破解，应该能管个两三年。
你们谁是FLG的可以拿去用，我就先不收钱了。

【在 z***i 的大作中提到】

: 以后你去人事部搞招聘得了
:
: 所以就要强调是玩没看过棋谱的游戏。
: 如果用下棋测智商，可以把象棋的走法临时全改了，再让他下棋。这基本可以防止棋谱
: 作弊。

d*e2014-09-04 07:09

30 楼

你吧小说替换为邮件，评论替换为spam,然后google一下:)

【在 D***r 的大作中提到】

:
: 我当时回答的就是做clustering，然后根据clustering的结果加上label
: 好像刚开始在train的时候最好不要用本来就有label的数据，而用它们来evaluate

z*i2014-09-04 07:09

31 楼

我挂二作

我觉得这个发明应该暂时还不好破解，应该能管个两三年。
你们谁是FLG的可以拿去用，我就先不收钱了。

【在 H********g 的大作中提到】

: 我觉得这个发明应该暂时还不好破解，应该能管个两三年。
: 你们谁是FLG的可以拿去用，我就先不收钱了。

D*r2014-09-04 07:09

32 楼

machine learning相关职位的题
很多都是这种开放性的，课本上一般没有，
没有经验的还真不容易回答
其实我个人觉得这种面试方法不是很好
很多实用的东西其实只要一学就会了，还不如考基础知识

【在 m*f 的大作中提到】

: 这个算马工设计题吗？有没有相关的资料介绍一下，貌似一点都不懂

H*g2014-09-04 07:09

33 楼

目前一共两个作者，安我们千老业的习惯你就是老板。

【在 z***i 的大作中提到】

: 我挂二作
:
: 我觉得这个发明应该暂时还不好破解，应该能管个两三年。
: 你们谁是FLG的可以拿去用，我就先不收钱了。

D*r2014-09-04 07:09

34 楼

ordinal regression我以前还真没接触过
看了一下，大致是对score>s和score<=s做logistic regression，
然后用训练的模型输出一些概率
最后score=s的概率就是P(score<=s)-P(score<=s-1)
貌似还是挺合理的

【在 l*******s 的大作中提到】

: 提供一些思路
: 1.用Bag of Words一般就可以，因为毕竟书评和小说里面不少词的分布还是很不一样，
: 比如某些表示喜欢不喜欢的词。另外可以加上其他的feature，比如文本长短，有无作
: 者，有无题目，里面的特殊标点符号等。在做文本预处理时，不要用stemmer和全部小
: 写化，因为这样会丢失很多morphological feature，你想想写评论时肯定跟小说文本
: 在这些方面有区别。
: 还有就是Naive Bayes。这里可以用Multinomial NB，应该比Bernoulli NB效果好，因
: 为文本相对比较多，且用词占vocabulary比重大，因此Multinomial模型好些。
: 在做feature时，比较一下binary，count，TFIDF，看看那个效果好。一般来说，文本
: 少的话，binary好些，TFIDF会比较偏向高variation，而降低bias。

z*i2014-09-04 07:09

35 楼

那我挂一作吧，不能委屈了你

目前一共两个作者，安我们千老业的习惯你就是老板。

【在 H********g 的大作中提到】

: 目前一共两个作者，安我们千老业的习惯你就是老板。