字节广告算法二面-秋招面经
1.实习和论文
2.机器学习八股
3.交叉熵损失函数、 KL 散度
4.损失函数每个簇的中心点怎么选
推导
5.Kmeans 参数
6. 从数学角度分析L1、L2正则化区别
7.Adam 优化器的原理
8.交叉熵求导过程
9.Dropout 训练和测试的差异
10.手撕全连接层,实现 forward
2.机器学习八股
3.交叉熵损失函数、 KL 散度
4.损失函数每个簇的中心点怎么选
推导
5.Kmeans 参数
6. 从数学角度分析L1、L2正则化区别
7.Adam 优化器的原理
8.交叉熵求导过程
9.Dropout 训练和测试的差异
10.手撕全连接层,实现 forward
全部评论
相关推荐
11-14 10:10
门头沟学院 Java 点赞 评论 收藏
分享
10-29 15:51
嘉应学院 Java 点赞 评论 收藏
分享

美的集团公司福利 780人发布