自己結合網路內容總結，歡迎指正歡迎補充。
最新更新：20170627—版本2（擴充問題，取消簡易答案）
1.機器學習、模式識別、深度學習的關係
2.解釋監督學習、非監督學習、半監督學習的關係
3.機器學習模型分類 之 監督/非監督
4.機器學習模型分類 之 回歸/分類/標註
5.機器學習模型分類 之 判別模型/生成模型
6.生成模型、判別模型的區別？各自的優缺點？
7.auc的本質是什麼？auc有哪些計算方法？
8.解釋l0、l1、l2正則化/規則化
9.如何解決過擬合問題
10.分別說明training-data，validation-data和test-data的作用
11.如何選取學習速率、正則項係數和mini-batch-size
12.分類和回歸的區別
13.線性分類器和非線性分類器的區別和優劣
14.如何處理缺失資料
15.機器學習的一般步驟是什麼？
16.簡單介紹最小二乘法
機器學習崗位面試問題彙總 之 SVM
自己結合網路 書本內容總結，歡迎指正歡迎補充。更新日期 20170607 版本1 1.簡述svm 二分類模型 更嚴格優化條件 更好分界線，低維 高維，間隔最大的分割平面，不太容易過擬合 2個原因 多層感知機 sigmoid核 3種分類，2種求解方法 2.svm的主要特點 1 非線性對映 理論基礎 2...
機器學習崗位面試問題彙總 之 深度學習
自己結合網路內容總結，歡迎指正歡迎補充。最新更新 20170624 版本2 增加22 28 1.模式識別 機器學習 深度學習的區別與聯絡 模式識別 過去 程式 機器做智慧型的事 決策樹等 機器學習 熱點領域 給資料 學習資料 深度學習 前言領域 強調模型 2.早年神經網路被淘汰的原因 耗時 區域性最...
機器學習崗位面試問題總結 Tencent
tencent的 面試一般都不會提前溝通，因此投遞完簡歷之後，需要保持 隨時暢通，並準備一篇自我介紹，3 5分鐘左右。q1 支援向量機，最後為什麼選擇對偶來求解？1 對偶問題將原始問題中的不等式約束轉化為等式約束 2 方便了核函式的引入 3 降低了問題的複雜度 由求特徵向量w轉化為求比例係數a，在原...