昨天機器之心介紹了 PHD 大牛的求職之路，很多讀者感覺這位大牛太厲害了，他的經歷對我們幫助不大。對于一般的機器學習求職者而言，最基礎的就是掌握 Python 編程技巧，隨后才是相關算法或知識點的掌握。在這篇文章中，我們將介紹一個 Python 練習題項目，它從算法練習題到機試實戰題提供了眾多問題與解決代碼。

在春招之前，我們就曾介紹過 GitHub 萬星的 ML 算法工程師面試指南，它提供了完整的面試知識點、編程題及題解、各科技公司的面試題錦等內容。讀者可查閱該項目了解機器學習面試需要準備哪些知識。

項目地址：https://github.com/imhuay/Algorithm_Interview_Notes-Chinese

在這個 2W+ 收藏量的 GitHub 項目中，作者前一部分主要介紹了機器學習及各子領域的知識點。其中每一個知識點都只提供最核心的概念，如果讀者遇到不熟悉的算法或者遇到知識漏洞，可以進一步閱讀相關文獻。后一部分則重點介紹了怎樣搞定編程面試題，包括各種數據結構和排列組合相關的題目。

一般而言，***部分的基礎知識是長期積累的結果，但對于后面的 Python 面試題，我們可以通過刷題快速提升解題水平。這篇文章重點在于介紹兩個 Python 面試題項目，它們提供了大量 Python 問題與解題代碼。

面試怎么做

在進入 Python 題海之前，我們還是先要了解了解面試流程。面試形式和過程大致如下：

•  電話篩選（隱形的現場面試）：這個過程一般由 HR 完成，如果是技術人員負責，這個過程一般都很短。
•  技術面試：你將和實際開發人員進行這一輪面試，在這期間他們會深入了解你的知識背景。
•  技術評估/homework 編程/結對編程：一般而言，如果一家公司的面試有結對編程環節，那絕對是加分的。homework 編程也能理解，但絕大多數情況下這都是在浪費每個人的時間，也無法正確評估技術水平。
•  最終面試：和團隊其他成員見面，如果這是一家小公司的話，這一輪面試你面對的可能是創始人（們）。
•  發放 offer。

當然，每家公司都會有所不同，這只是你在找工作的過程中可能經歷的大致過程。一般技術面試考察的是我們的背景知識，而技術評估則需要語言解決實際問題了。本文的這兩個項目，可以讓你搞定公司的技術評估，當然其實目前很多書籍與網站都在解決這個問題，例如劍指 Offer 和 LeetCode 等等。

Interview-code-practice-python

首先在***個項目中，作者給出了 2017 校招真題、劍指 offer、華為機試、機試題和直通 BAT 算法題等各種 Python 實現，它們共計 200 道左右。

項目地址：https://github.com/leeguandong/Interview-code-practice-python

如下展示了劍指 offer 文件夾包含的實現文檔，每一個問題都是單獨的 Python 文件：

整個項目有很多有意思的題目，例如「變態青蛙跳.py」包含的題目與題解代碼為：

「合唱團.py」內的代碼如下：

The Algorithms - Python

第二個項目是更流行的一個 Python 代碼庫，它目前有 2.4W+的星。該項目實現的各種算法都是用純 Python 完成的，它希望更簡介地展示這些問題怎樣解決，因此相比 Python 標準庫中實現的方法可能效率不那么高。

項目地址：https://github.com/TheAlgorithms/Python

目前該項目展示的解決方案主要有：

•  排序
•  搜索
•  圖
•  數學
•  算法分析
•  二元樹
•  數據結構
•  圖像處理
•  動態規劃
•  線性代數
•  機器學習
•  哈希
•  ……

這個項目的算法實現非常多，我們可以根據實際需要選擇具體的類別，并查看給出的解決方案。如果我們希望了解排序算法，那么選擇排序后我們大概能看到近 30 種不同的排序實現：

其中，在算法入門***課「bubble_sort.py」中，該項目給出的冒泡排序解決方案為：

該項目提供的實現很多都非常底層，在「Math」中，我們可以了解到如何實現絕對值求解、求***最小值等等，當然也可以了解到矩陣乘法是如何實現的。該項目其實對面試很有幫助，雖然它并不是直接解決特定的某個問題，但是復現一般的 Python 函數或者基本問題對于理解 Python 很有幫助。

綜合以上兩個 Python 實現項目，不論是解題技巧，還是對 Python 的理解，我們的實戰能力都會有很大的提升。就像理解神經網絡***的方法是用純 NumPy 實現一遍，理解 Python 的***方法即過一遍基本函數與結構。有了充足的理解，再看看面試真題或在 LeetCode、牛客網就比較簡單了。