一面40min，base西安面试官人挺好的，体验也很好，但我太菜了，尤其是数学，凉凉概率论和代数相关的（最开始忘录了，大概是这类题）机器学习中做回归和分类能用到哪些损失函数？最小二乘法MSE能不能用到分类问题上？（这里我回答是分类问题预测标签是离散的，使用MSE计算梯度回传的函数不可导。面试官说主要是因为通过softmax函数后，使用MSE计算会梯度消失。这两个解释有区别吗？）计算协方差矩阵时各个值的含义是什么？对角线的值和非对角线的值分别是什么意义？怎样计算两个向量的相关性？线性代数中特征值和特征向量的几何意义是什么？一个向量乘以一个矩阵表示什么？平面上两个向量内积和外积的几何意义分别是什么？SVD奇异值分解的结果有什么意义？牛顿法求极值的原理是什么？优化求极值的方法？SGD的过程？接下来介绍自己的项目，并根据项目提问。在这个项目中你做了哪些工作？开发平台和开发语言？有没有使用GPU？为什么挑选这样的数据集？模型的选择与搭建，是基于开源项目还是自己从头搭建起来的？模型和框架是自己选择还是师兄师姐或导师的帮助？主要用了哪些网络结构？数据集大小，训练时长，有没有遇到什么问题？训练步骤，训练过程的设计？使用什么方式冻结部分模型？训练过程中有没有遇到梯度消失或者梯度爆炸？遇到的话该怎么处理？正则有了解吗？一般在什么地方使用正则？平时的开发环境和编程语言？其它技术比如docker和网络有没有了解？（不会）课程不学操作系统和网络吗？啊，原来现在都不开这些课了吗？（我回答的是操作系统学过，好像没听到，但网络协议真不知道）