回忆一下昨天面试的题目，查漏补缺：
1.论文的具体实现细节，评价指标，深挖
2.什么是梯度消失，如何解决？（我回答的解决方法里有批量归一化，面试官后面就开始深挖）
3.批量归一化的参数有哪些，怎么计算的，如果输入的样本不是一个batch，怎么计算？（具体的参数我不记得了，回答的不好）
4.常用的机器学习模型，你了解多少？回归模型有哪些？
5.逻辑回归的推导，逻辑回归是线性还是非线性，（我回答是线性的），面试官问引入了sigmoid，为什么还是线性的？
6.逻辑回归的损失函数是什么？（我回答了对数似然），面试官接着问，对数似然和交叉熵有什么关系？
7.常用的损失函数有哪些？
8.正则化有哪些，L1,L2正则的具体公式，区别以及原理？
9.LSTM解决的长期依赖本质也是梯度消失问题，它是怎么解决的，深挖
10.GBDT中的G代表什么，（我回答了拟合损失函数的负梯度），面试官问，具体怎么拟合负梯度，和梯度下降的区别？
11.残差网络的具体原理？
12.给你一个文本，如何进行文本分类，具体的步骤，使用什么模型，word2vector的原理？（我是做推荐的，按照我的理解回答使用CNN进行文本分类）
13.CNN的卷积是线性还是非线性，可以在哪些层引入非线性？
14.你常用的优化器是什么？（我回答了adam），面试官问，adam具体改进了什么？
15.进程和线程的区别，进程通信的方法，线程通信的方法，什么是线程安全的函数，python中有哪些线程安全的函数？
16.TCP和UDP的区别？TCP的四次挥手具体过程?
17.数据库中索引的作用，在哪些字段上建索引，什么是联合索引，联合索引要避免什么？
算法题：
1.两个字符串的最长公共子序列
2.二叉树层次遍历
大概是这些，面试官会根据你的回答延伸出其他问题，部分会深挖。在等面试结果，希望有惊喜吧！
全部评论
(19) 回帖