从零开始 让 TX2 动起来 安装OpenCV 安装TensorFlow
这个章节介绍scikit-learn 所提供之机器学习资料集,最常用的主要有: 手写数字辨识 鸢尾花资料集 Ex 1: The digits 手写数字辨识 Ex 3: The iris 鸢尾花资料集
欧氏距离 也称欧几里得距离,是指在m维空间中两个点之间的真实距离。欧式距离在ML中使用的范围比较广,也比较通用,就比如说利用k-Means对二维平面内的数据点进行聚类,对魔都房价的聚类分析(price/m^2 与平均房价)等。 两个n维向量a($$x_{11},x_{12}.....x_{1n}$$)与 b($$x_{21},x_{22}.....x_{2n}$$)间的欧氏距离 python 实现
机器学习是一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。
主要作者:@徐英凯|闪银机器学习工程师 审校顾问:@卢誉声|Autodesk 软件研发工程师、@高扬|欢聚时代资深大数据技术专家、@罗远飞|第四范式机器学习工程师 Toolbox C/C++ Vowpal Wabbit MultiBoost Shogun Java Mahout Weka Mallet JSAT Python Scikit-learn PyBrain nltk Theano Pyl
冬招的第一个offer 一面 先拷打项目 然后手撕多头注意力机制和一道算法题:lcr08长度最小子数组 然后问了一些八股 linux如何查看某个文件有多少行 linux如何查看某个文件的第几列 git回滚的指令 合并分支的指令 弹一弹熟悉的激活函数和优缺点 fasterrcnn的优化 yolov5v8的优化 为什么业内yolov5用的比较多而不是yolov8 多头注意力机制和单头相比有什么优势 正
一共就面了半小时,有15分钟都在做题的样子😂 手撕: 判断链表有没有环,快慢指针,通过了面试官还要我讲一下思路,我就一直解释推的数学公式,不知道他听没听懂 问题: 我做的项目用了Xgboost,就从这个开始问,原理,GBDT,为什么这种模型好用等等 后来又问了我使用过paddleocr,提升准确率方法,(我也不知道,就瞎说,当时也没提升) 还问我会不会用大数据处理工具,没用过… 问了一些数据处理
美团笔试4道a了3,面完挂了一次被捞起来,然后面了两轮因为不太匹配又被丢回人才库了,今天又通知被捞了起来…… 记录一下前两轮面试吧,希望这次被捞能有好结果 优选一面(1h 凉) 一直问项目,目标检测的,数据集、模型…… 问图生图的,评价指标,模型结构 以上问了四十多分钟 写题:LeetCode 152. 乘积最大子数组 题不难,脑抽了,初始化一直有问题(你这个方法应该没啥问题,过不了的话你回去再调
自我介绍,三道编程题(二叉树和图,a了两道),项目深挖
什么是机器学习? 机器学习是自动从数据中提取知识的过程,通常是为了预测新的,看不见的数据。一个典型的例子是垃圾邮件过滤器,用户将传入的邮件标记为垃圾邮件或非垃圾邮件。然后,机器学习算法从数据“学习”预测模型,数据区分垃圾邮件和普通电子邮件。该模型可以预测新电子邮件是否是垃圾邮件。 机器学习的核心是根据数据来自动化决策的概念,无需用户指定如何做出此决策的明确规则。 对于电子邮件,用户不提供垃圾邮件的
一面 自我介绍 结合项目描述RNN、LSTM结构,描述模型改进原理 残差连接的优势 梯度消失问题——对比深度网络的梯度消失和循环网络的梯度消失 数据不平衡问题原因与解决措施 性能指标F1分数的计算方式 DDQN项目的环境介绍与网络模型 深度学习和强化学习的关联 Adam优化器的原理,SGD的原理 手撕: 最长有效的括号字符子序列(返回所有最长的子序列)(10分钟) 反问: 1分钟 emmm手撕ha
遇到了全是技术岗的群面,一起讨论怎么ai技术加入产品 总结:一定要读题!!!针对题来每点说自己的想法,最好把自我介绍压缩一下,组里好几个人没有说完就被下一个了,而且顺序不是按照公众号的个人编号。 读题5min,自我介绍➕想法1.5min,讨论20min,总结5min 就算没有抢到主持人,中途理清团队的思路也很重要!!!我的组两个技术大佬一直不统一。。。导致其他人也没有发表什么明确的想法和意见,我发
提前批 过去有点久了,可能有些回忆不准确了 百度机器学习一面 (电话,很简短) 询问想做的方向 问了LSTM GRU的结构和区别 Attention 原理 Bert 原理 对做NLP怎么看 百度机器学习二面 过项目,问项目涉及到的机器学习算法 概率题 贝叶斯相关 手撕算法 二分查找 先写无重复的 再写有重复找第一个 百度机器学习三面 证明根号二是无理数 用梯度渐近法求根号2 用牛顿法求根号2 手撕
自我介绍 介绍项目 介绍实习,面试官问的内容和ML的关系不太大,可能是和部门的工作比较契合所以就没为难我。 面试官向我介绍部门的工作内容,了解到和我目前实习工作相关性较强。 手撕:比较版本号 反问,因为投的是深圳+北京,所以问了一下base地。
“三个臭皮匠顶个诸葛亮”。集成学习就是利用了这样的思想,通过把多分类器组合在一起的方式,构建出一个强分类器;这些被组合的分类器被称为基分类器。事实上,随机森林就属于集成学习的范畴。通常,集成学习具有更强的泛化能力,大量弱分类器的存在降低了分类错误率,也对于数据的噪声有很好的包容性。