只是在这里记录一下过去的自己，文笔不好，请见谅文中讲解技术的部分会比较多，看起来像流水账一样又臭又长我第一次正经的接触编程，应该是初中毕业后的暑假, 在这之前，我只写过易安卓，用中文来编程，写起来挺像 Visual Basic 的。我当时因为接触过易安卓，后来开始写正经的软件延续了客户端这个方向，下载了 Android Studio。当时 Kotlin 还不算很流行，所以我的首选语言是 Java。与其说是写，倒不如说是到处 CV 别人的代码，复制进来，点绿三角，能跑起来就是成功。内存泄漏、软件架构、设计模式什么的，也不懂。当时也没有 AI，所以只能到处翻博客，翻搜索引擎，找别人的教程然后把代码...

只能说兄弟们坚持

5.16 三面结束 我看粉丝投稿的4.21 一面的 二面过完5.11. 自我介绍2. 怎么理解深度学习损失函数中的最大似然估计 MLE？答案：最大似然估计的目标是找到一组模型参数，让观测到的数据在当前模型下出现的概率最大。深度学习里的分类任务通常把模型输出看成条件概率分布 p(y|x; θ)，训练时希望真实类别的概率越大越好。实际优化时通常不会直接最大化似然，而是最大化对数似然，或者等价地最小化负对数似然。交叉熵损失本质上就是负对数似然。比如多分类中，真实标签是第 y 类，模型对这一类预测概率是 p_y，loss 就是 -log(p_y)。预测越自信且正确，loss 越小；预测越错，loss ...