小米算法一面
分类 vs 回归:区别、适用场景、代表算法
· 树模型算法:决策树、随机森林、GBDT/XGBoost原理
· Transformer架构:整体结构、自注意力机制原理、位置编码方法
· 关键技术组件:LayerNorm的作用与优势、前馈网络、残差连接
· 模型训练与优化:大模型训练微调经验、过拟合/欠拟合解决方法、大模型幻觉成因与缓解
· 量化算法原理:基本概念、量化方法(PTQ、QAT)、改进方向
· 量化应用价值:推理加速、内存优化、成本降低
· Python语言特性:继承机制、内存管理与GC、与C++对比
· 网络结构对比:Transformer vs CNN/RNN、适用场景、设计考量
#牛客AI配图神器#
· 树模型算法:决策树、随机森林、GBDT/XGBoost原理
· Transformer架构:整体结构、自注意力机制原理、位置编码方法
· 关键技术组件:LayerNorm的作用与优势、前馈网络、残差连接
· 模型训练与优化:大模型训练微调经验、过拟合/欠拟合解决方法、大模型幻觉成因与缓解
· 量化算法原理:基本概念、量化方法(PTQ、QAT)、改进方向
· 量化应用价值:推理加速、内存优化、成本降低
· Python语言特性:继承机制、内存管理与GC、与C++对比
· 网络结构对比:Transformer vs CNN/RNN、适用场景、设计考量
#牛客AI配图神器#
全部评论
相关推荐
12-02 13:25
门头沟学院 Java 点赞 评论 收藏
分享
10-19 13:09
长沙学院 嵌入式软件工程师 点赞 评论 收藏
分享
