国庆好难熬

1.自我介绍2. 文章分类大概有多少文章？数据规模怎么影响方案？答案：如果文章量只有几千篇，我一般不会一上来就训练很复杂的模型，而是先用预训练模型微调，或者用 embedding 加传统分类器做一个强 baseline。因为数据量太小的时候，复杂模型很容易过拟合，线上效果不稳定。如果有几十万到几百万篇文章，就可以考虑训练一个更稳定的分类模型，包括 BERT 微调、领域继续预训练、层级分类模型，甚至做多任务学习。数据量越大，越要关注标签噪声，因为文章分类里的标注经常不是绝对干净的，尤其是多维度分类，一个文档可能同时属于多个业务类别。实际项目里我会先看三个东西：类别数量、每个类别样本分布、单篇文档...

😁 自己节前都请假了，还说什么节奏快要用人。。。。真是mean的要死😁

1.go channel 关闭后，被读取会产生什么情况2.channel的底层3.介绍一下进程间的同步方式4.数据库事务的隔离级别5.redis用过吗6.go的make和new的区别7.slice和数组的区别8.map是线程安全的吗9.go的gc方式，原理10.GMP模型，怎么抢占11.K8s了解多少12.普罗米修斯了解多少（或者其他的监控软件）