机器学习算法工程师-12个基础面试问题

1:阐述批归一化的意义
2:阐述偏置和方差的概念以及它们之间的权衡关系
3:假设深度学习模型已经找到了 1000 万个人脸向量,如何通过查询以最快速度找到一张新人脸?
4:对于分类问题,准确度指数完全可靠吗?你通常使用哪些指标来评估你的模型?
5:你怎么理解反向传播?请解释动作(action)的机制。
6:激活函数有什么含义?激活函数的饱和点是什么?
7:模型的超参数是什么?超参数与参数有何不同?
8:当学习率过高或过低时会怎样?
9:当输入图像的尺寸加倍时,CNN 参数的数量会增加多少倍?为什么?
10:处理数据不平衡问题的方法有哪些?
11:在训练深度学习模型时,epoch、batch(批)和 iteration(迭代)这些概念都是什么意思?
12:数据生成器的概念是什么?使用数据生成器需要什么?
https://mp.weixin.qq.com/s?__biz=MzA3MzI4MjgzMw==&mid=2650778101&idx=3&sn=40904b0932565846039e573b8dff0dcf&chksm=871a6d8bb06de49d3c6a210f59f3ddf7d67f41bff0cabc2854f0577722d92f9a7032bef7d4a8&scene=0&xtrack=1#rd

2021届秋招算法岗笔经面经 文章被收录于专栏

小白一枚,有误的地方还请大佬们指正

全部评论

相关推荐

真tmd的恶心,1.面试开始先说我讲简历讲得不好,要怎样讲怎样讲,先讲背景,再讲技术,然后再讲提升多少多少,一顿说教。2.接着讲项目,我先把背景讲完,开始讲重点,面试官立即打断说讲一下重点,无语。3.接着聊到了项目的对比学习的正样本采样,说我正样本采样是错的,我解释了十几分钟,还是说我错的,我在上一家实习用这个方法能work,并经过市场的检验,并且是顶会论文的复现,再怎么不对也不可能是错的。4.面试官,说都没说面试结束就退出会议,把面试者晾在会议里面,丝毫不尊重面试者难受的点:1.一开始是讲得不好是欣然接受的,毕竟是学习。2.我按照面试官的要求,先讲背景,再讲技术。当我讲完背景再讲技术的时候(甚至已经开始蹦出了几个技术名词),凭什么打断我说讲重点,是不能听出人家重点开始了?这也能理解,每个人都有犯错,我也没放心上。3.我自己做过的项目,我了解得肯定比他多,他这样贬低我做过的项目,说我的工作是错误的,作为一个技术人员,我是完全不能接受的,因此我就和他解释,但无论怎么解释都说我错。凭什么,作为面试官自己不了解相关技术,别人用这个方式work,凭什么还认为这个方法是错的,不接受面试者的解释。4.这个无可厚非,作为面试官,不打招呼就退出会议,把面试者晾着,本身就是有问题。综上所述,我现在不觉得第一第二点也是我的问题,面试官有很大的问题,就是专门恶心人的,总结面试官说教,不尊重面试者,打击面试者,不接受好的面试者,技术一般的守旧固执分子。有这种人部门有这种人怎么发展啊。最后去查了一下,岗位关闭了。也有可能是招到人了来恶心人的,但是也很cs
牛客20646354...:招黑奴啊,算法工程师一天200?
点赞 评论 收藏
分享
纯真的河老师在喝茶:第一个是这个时间点岗位少,第二个是这个简历重复度太高了,10个有9个简历差不多的
点赞 评论 收藏
分享
评论
1
收藏
分享

创作者周榜

更多
牛客网
牛客网在线编程
牛客网题解
牛客企业服务