下午三点开始 约50分钟 网面
1.自我介绍
2.有做过机器学习吗?
3-7.实习项目
8.深度学习相关模型用过吗?
9.逻辑回归推导一下,损失函数+求解过程.(这里说参数求解过程 直接答梯度下降就ok了,但之前没听清,就直接讲推导了)
10.对数几率怎么理解?
11.为什么不用回归的loss? 均方误差?
12.MSE是不是凸函数,是MSE本身的问题吗?
13.逻辑回归表达式是不是凸函数?
14.代码实现一下大概的过程,构造一下样本(这里希望我写梯度下降法,但我没写)
> 这里应该是考察整个逻辑回归的python代码实现, 据说字节跳动也考过, 需要熟练掌握从自己构造样本到写梯度下降的全过程
15.凸函数的定义还记得吗?(白送, 我讲了两种定义)
16.x^2是不是凸函数(当然是了)
17.凸函数对导数的要求
18.其他机器学习算法了解吗 比如推荐算法
19.做题 N*N矩阵顺时针旋转90° 要求时空复杂度尽可能低
我这里认为空间时间都要O(n^2),但如果原地修改,空间复杂度可以优化到O(n)->O(1)
最后面试官让我写一下坐标变换的对应关系,没写代码就结束了
20.还有什么想问我的?
面试官表示推荐的基础知识比较重要,准备起来也比较简单.
这里面问到很多数学的内容没有答好, 因为我是数学专业背景出身, 这属于本分没有做好, 算是比较大的减分项了, 祈愿面试官心情好给个二面的机会吧.
全部评论
(6) 回帖