拿下大厂AI算法岗：我的30道面试题

历经两个月的鏖战，终于拿下某大厂算法岗Offer！复盘了30道高频面试题，分享给正在备战的同学：

机器学习基础（10道）

手推LR推导，为什么用交叉熵而不用MSE？

偏差方差分解，Bagging vs Boosting怎么对应？

XGBoost相比GBDT的改进点？二阶泰勒展开的意义？

特征工程怎么做？连续特征离散化的好处？

类别不平衡如何处理？Focal Loss原理？

正则化L1、L2区别，为什么L1能产生稀疏解？

聚类算法K-Means的优缺点？如何选K？

模型评估指标：AUC计算逻辑和业务含义？

随机森林的随机性体现在哪？

梯度消失/爆炸原因及解决方案？

深度学习（10道）
11. BN原理，训练和测试阶段有什么区别？
12. Transformer的self-attention计算过程？为什么要除√d？
13. BERT的预训练任务是什么？WordPiece作用？
14. 激活函数ReLU vs LeakyReLU vs GELU？
15. 优化器SGD、Adam、AdamW的区别？
16. 过拟合如何判断和解决？Dropout原理？
17. 多卡训练：数据并行 vs 模型并行？
18. Attention的几种形式？Additive vs Dot-Product？
19. 残差连接为什么有效？
20. 卷积参数量和FLOPs计算？

手撕代码（5道）
21. 手写Multi-Head Attention
22. 实现二分类交叉熵损失函数
23. 快速排序/归并排序（常考！）
24. 编辑距离/最长公共子序列
25. 二叉树遍历（递归+非递归）

业务场景（5道）
26. 短视频推荐，冷启动怎么解决？
27. 广告CTR预估，特征怎么设计？
28. 搜索排序，如何平衡相关性和多样性？
29. 用户长短期兴趣如何建模？
30. 线上AB测试，指标怎么选？ #AI面试问题分享#