面试问题：- （针对简历提问）你工作里主要关注哪些指标？解释一下AUC含义、计算和作用- 主流的开源大模型结构有哪些？（prefix decoder，casual decoder、encoder-decoder）- 介绍一下layernorm和batchnorm的区别？- 在机器学习里，怎么处理长尾数据和多峰数据？- 怎么解决模型的冷启动问题，你觉得LLM在冷启动方面能够起到什么作用？- 介绍一下常见的优化算法（SGD ->Adagrad ->RMSProp ->Adam -> AdamW）？优缺点- 为什么Adam不一定最优而SGD最优的？怎么理解分析？- （针对简历提问）你工作里的对比损失是怎么构造的，有什么作用？介绍常见的对比损失的公式。代码题：- 数组第K大。给定整数数组 nums 和整数 k，请返回数组中第 k 个最大的元素。（力扣215原题）- 手写对比损失的计算（结合项目），并简单说了一下原理。（大概写出来就好）二面我这个是交叉面，提问的有部分设计大模型，也当然我简历上有大模型，所以问了一些llm+搜推的内容，但这部分交叉问题比较浅，能说个大概就很好，同时也有很多经典的机器学习面经问题。因为项目里提到了对标学习，所以面试官在代码考核部分让我写个示例，所以写进简历的一定要准备好（包括流程步骤，代码实现大概要清楚）。面广告算法的岗位，机器学习面经暴率很高，建议熟背，就算是看过有印象，问到的时候也会基本很稳。

取之牛牛用之牛牛回馈牛牛 整理一下最近面试的面经给大伙做个参考   自我介绍   选两个项目聊一下   第一个项目...   项目一具体内容（问的很细很细，后面围绕这里问的很深入） 吧啦吧啦，说到主要做的内容   核心工具类的具体实现的逻辑及作用   为什么要这样设计？为什么设计成命令式的api（从使用的角度来说）   这么设计会不会有什么问题？   要是重新设计，会如何实现？有没有考虑到服务端渲染的一个场景？ 仍然这么设计，细化api，优化内部逻辑         第二个项目...   项目二具体内容   技术选型？为什么选用uniapp？ 开始吟唱，这里提到了小程序的setData()和v...

电商治理二面拷麻了持续记录！

今天老师整理了大模型入门的几个学习步骤、目标和需要掌握的基础知识，供初学者快速掌握基本路径。1️⃣前置知识： Python 基础、 Linux 基础🌟学习内容1.熟练掌握 Python 语言，熟悉常用的Python 库和工具，如 NumPy 、 Pandas 、  Scikit - learn 、 PyTorch 等。2.具备 NLP 相关的基础知识，包括文本预处理、分词、词性标注等。3.对大模型有一定了解，包括Transformer 模型的结构和原理、基于注意力机制的自然语言处理技术等。2️⃣Step1:NLP相关基础知识🌟学习内容1.了解文本预处理、分词、词性标注、命名实体识别、词向量表示等基础知识。2.掌握机器学习中的数据预处理、特征提取、分类、回归等基础算法，并了解其在 NLP 领域的应用。3.了解大规模 NLP 任务中的常用技术和方法，如深度学习中的 Transformer 模型、 BERT 、 GPT 等。3️⃣Step2:GPT API 调用及 Prompt 设计🌟学习内容了解 GPT API 的调用方式和基本操作，熟悉 Prompt 设计技巧和要点，能够结合自己的任务调用 API 实现对应的任务代码。4️⃣Step3:模型微调（ Fine - tuning )🌟学习内容了解常见的微调模型的基本流程和原理，熟悉数据集的构造、训练、评估等过程，能够独立构建 QA 对，在服务器上对模型进行微调。5️⃣Step4: RAG （外挂数据库）🌟学习内容RAG 作为目前最火的一个 LLM 落地方向，可以结合私有数据（表格、 word 、 txt 、 pdf 、数据库皆可）实现本地问答，且训练成本较低，可以快速实现效果。✴️有需要提升面试能力和辅导项目的同学可以后台联系我～