目錄
最常見的幾個問題 分類
機器學習
特徵工程
深度學習
計算機視覺cv
自然語言處理nlp
推薦系統
深度之眼學習筆記
1.線性回歸與邏輯回歸區別，lr與svm區別和聯絡
2.svm原理
3.手撕svm，k-means源**
1. 寫出全概率公式&貝葉斯公式
2. 模型訓練為什麼要引入偏差(bias)和方差(variance)？ 證
3. crf/樸素貝葉斯/em/最大熵模型/馬爾科夫隨機場/混合高斯模型
4. 如何解決過擬合問題？
5. one-hot的作用是什麼？為什麼不直接使用數字作為表示
6. 決策樹和隨機森林的區別是什麼？
7. 樸素貝葉斯為什麼「樸素*****」？
8. kmeans初始點除了隨機選取之外的方法
9. lr明明是分類模型為什麼叫回歸
10. 梯度下降如何並行化
11. lr中的l1/l2正則項是啥
12. 簡述決策樹構建過程
13. 解釋gini係數
14. 決策樹的優缺點
15. 出現估計概率值為 0 怎麼處理
16. 隨機森林的生成過程
17. 介紹一下boosting的思想
18. gbdt的中的tree是什麼tree？有什麼特徵
19. xgboost對比gbdt/boosting tree有了哪些方向上的優化
20. 什麼叫最優超平面
21. 什麼是支援向量
22. svm如何解決多分類問題
23. 核函式的作用是啥
1. 怎麼去除dataframe裡的缺失值？
2. 特徵無量綱化的常見操作方法
3. 如何對類別變數進行獨熱編碼？
4. 如何把「年齡」字段按照我們的閾值分段？
5. 如何根據變數相關性畫出熱力圖？
6. 如何把分布修正為類正態分佈？
7. 怎麼簡單使用pca來劃分資料且視覺化呢？
8. 怎麼簡單使用lda來劃分資料且視覺化呢？
1. 你覺得batch-normalization過程是什麼樣的
2. 啟用函式有什麼用？常見的啟用函式的區別是什麼？
3. softmax的原理是什麼？有什麼作用？
cnn的平移不變性是什麼？如何實現的？
4. vgg，googlenet，resnet等網路之間的區別是什麼？
5. 殘差網路為什麼能解決梯度消失的問題
6. lstm為什麼能解決梯度消失/**的問題
7. attention對比rnn和cnn，分別有哪點你覺得的優勢
8. 寫出attention的公式
9. attention機制，裡面的q,k,v分別代表什麼
10. 為什麼self-attention可以替代seq2seq
1. 常見的模型加速方法
2. 目標檢測裡如何有效解決常見的前景少背景多的問題
3. 目標檢測裡有什麼情況是ssd、yolov3、faster r-cnn等所不能解決的，假設網路擬合能力無限強
4. roipool和roialign的區別
5. 介紹常見的梯度下降優化方法
6. detection你覺的還有哪些可做的點
7. mini-batch sgd相對於gd有什麼優點
8. 人體姿態估計主流的兩個做法是啥？簡單介紹下
9. 卷積的實現原理以及如何快速高效實現區域性weight sharing的卷積操作方式
10. cyclegan的生成效果為啥一般都是位置不變紋理變化，為啥不能產生不同位置的生成效果
1. golve的損失函式
2. 為什麼golve會用的相對比w2v少
3. 層次softmax流程
4. 負取樣流程
5. 怎麼衡量學到的embedding的好壞
6. 闡述crf原理
7. 詳述lda原理
8. lda中的主題矩陣如何計算
9. lda和word2vec區別？lda和doc2vec區別
10. bert的雙向體現在什麼地方
11. bert的是怎樣預訓練的
12. 在資料中隨機選擇 15% 的標記，其中80%被換位[mask]，10%不變、10%隨機替換其他單詞，原因是什麼
13. 為什麼bert有3個嵌入層，它們都是如何實現的
14. 手寫乙個multi-head attention
1. dnn與deepfm之間的區別
2. 你在使用deepfm的時候是如何處理欠擬合和過擬合問題的
3. deepfm的embedding初始化有什麼值得注意的地方嗎
4. youtubenet 變長資料如何處理的
5. youtubenet如何避免百萬量級的softmax問題的
6. 推薦系統有哪些常見的評測指標？
7. mlr的原理是什麼？做了哪些優化？
機器學習之十大機器學習演算法
機器學習筆試面試超詳細總結（一）
深度學習面試題
1 介紹下卷積操作的作用 卷積網路中的卷積核引數是通過網路訓練出來的 通過卷積核的組合以及隨著網路後續操作的進行，卷積操作可獲取影象區域不同型別特徵 基本而一般的模式會逐漸被抽象為具有高層語義的 概念 表示，也就是自動學習到影象的高層特徵。2 cnn結構特點 區域性連線，權值共享，池化操作，多層次結...
學習python 常見面試題總結
深拷貝和淺拷貝的區別 list和tuple的區別 解釋python中的三元運算子 python是如何管理記憶體的 解釋python中的help 和dir 函式 當退出python時，是否釋放全部記憶體？python中的字典是什麼？請解釋使用 args和 kwargs的含義 請寫乙個python邏輯，...
常見的深度學習面試題及解答 三
往期回顧 常見的深度學習面試題及解答 一 常見的深度學習面試題及解答 二 1.怎樣提公升網路的泛化能力？從演算法調優上提公升效能 用可靠的模型診斷工具對模型進行診斷，權重的初始化，用小的隨機數初始化權重。對學習率進行調節，嘗試選擇合適的啟用函式，調整網路的拓撲結構，調節batch和epoch的大小，...