1)oh my zsh是我最习惯的shell,终端下非常好用 配合iterm2分屏 + spectacle全屏,几乎无敌 2)brew是mac装软件非常好的方式,和apt-get、rpm等都非常类似 安装4个必备软件 brew install git 最流行的SCM源码版本控制软件 brew install wget 下载、扒站神器 brew install ack 搜索代码神器 brew ins
11月27日 首先自我介绍,大致说了一下自己硕士阶段的项目工作。项目用的是高德地图数据😂,面试官好像并不在意这个。 从项目中提的问题: 1数据处理工作包含的内容 2交通异常检测任务细节 3超图的概念,为什么要用超图 4论文中自己算法的指标有多高(自己记不清了,翻了一下手机,被笑话,说这样会让人怀疑不是自己做的) 5Lstm原理,优缺点(我不太清楚优缺点,但是回答了比RNN的优势) 开放性问题:
岗位:机器学习/数据挖掘/自然语言处理工程师 面试体验:第一个面的公司,很紧张,也是被拷打的最狠的一次 一面 8/23 70分钟 1. 自我介绍 2. 实习拷打 推荐算法中的相关模型和前沿理论 是否有读过最近的期刊上的文章,做一些介绍 3. 科研拷打 如何做的模型 其中的系数如何确定 4. NLP拷打 Attention介绍 QKV是什么,举例说一下 Tranformer的encoder和deco
流形学习 PCA 的一个弱点是它无法检测到非线性特征。 已经开发了一组称为流形学习的算法,来解决这个缺陷。流形学习中使用的规范数据集是 S 曲线: from sklearn.datasets import make_s_curve X, y = make_s_curve(n_samples=1000) from mpl_toolkits.mplot3d import Axes3D ax = pl
在回归中,我们试图预测连续输出变量 - 而不是我们在之前的分类示例中预测的标称变量。 让我们从一个简单的玩具示例开始,其中包含一个特征维度(解释性变量)和一个目标变量。 我们将使用一些噪声从正弦曲线创建数据集: x = np.linspace(-3, 3, 100) print(x) rng = np.random.RandomState(42) y = np.sin(4 * x) + x +
9.7一面 (50min) 自我介绍 项目比赛提问,问具体的细节 GRU与LSTM的区别 GBDT的原理 XGBoost和LightGBM与GBDT的区别 BN在训练和测试阶段的区别?BN在训练时是如何更新参数的? 手撕算法题: 在一个m*n的矩阵里,一个机器人初始在x,y点,并且每次只能向相邻的上下左右四个方向移动一步,那么在最多移动k次情况下,一共有多少条路径可以逃出矩阵? 输入5个参数:m,
中秋节前一天 一面(初试) 30分钟 没开摄像头,是在京东的会议平台上面的 深挖简历,主要问了项目与竞赛 八股文集中于大数据方面:spark与map reduce之间的差别、spark与flink区别、flink水位线等,有些问题不记得了,但基本都答上来了 没有手撕 反问:业务、匹配程度 ------------------------ 已挂 #京东##算法工程师#
9.21 一面 9.27 二面 9.30 三面(加面),希望后续有hr面或者oc吧 总结而言,讯飞非常喜欢问基础知识,从算法到操作系统到数学建模,问的项目并不多,所以以后大家要是面的话一定多准备八股 深度学习框架和平台方向相当于是算法和工程的结合,所以算法原理,部署,加速,操作系统,python底层都问到了。跟面试官交流又学习到很多知识,遗憾的是面的时候很多没有准备到,希望好运吧! 一面面经:和实
8.18 测评 9.6 一面 项目1介绍 逻辑回归简介 极大似然法简介 反问 KPI面...面完了面试官说他们是做加密的,不懂为什么让我面... #小米面试#
职位:深度学习算法工程师 base:上海 技术一面 (9/15) - 30min 自我介绍 项目介绍,随后围绕项目进行展开提问,会议论文与期刊论文之间的差异 反问 部门主要做感知(车道线、行人感知。。。 技术二面 (9/21) - 30min 没开摄像头 自我介绍 项目介绍,所有项目都介绍了一遍 中途会被打断问问题 反问 对除了自己所研究的方向外,还了解哪些,知不知道reid的方法、目标检测算法什
写在前面:360我很早就面完了,一直没结果估计泡没了,自己也签了其他公司了,最近来更新一下面经。 一面:2022.9月初 (40分钟左右) 1、自我介绍 2、讲实习项目,讲到LightGBM,有没有试过XGB、GBDT,讲讲模型异同,在这个项目里怎么处理缺失值的。机器翻译是怎么做的,lstm和cnn的区别有了解嘛, 3、讲一个比赛项目,说下你怎么做特征的。语义特征怎么做的,如何判断两个近义词,wo
快手机器学习算法工程师一面50min 人生中第一次找工作面试😭 (面试官姐姐人超好😭,一直心平气和的和聊天一样,我说错了也没说我而是跟我解答,甚至帮我找理由,全程都很耐心) 1.自我介绍 2.介绍用过哪些机器学习方法 3.SVM的原理跟优势 4.集成学习(扯了下随机森林跟集成学习原理),XGBOOST(没用过) 5.knn和kmeans做分类的原理 6.你们做的遥感图像怎么提取特征 7.问了下
百度2024秋招机器学习一面面经 岗位:机器学习/数据挖掘/NLP-T联合 部门:百度地图 地点:北京 一面 自我介绍 对项目和实习的大概询问,没有去深挖,只是对一些问题进行询问 询问对大模型的了解,讲了 RLHF 的原理 RLHF是一种新的训练范式,通过使用强化学习方式根据人类反馈来优化语言模型。一共包括三个步骤: 预训练一个语言模型(LM) 收集数据并训练奖励模型 (Reward Model,
用强化学习训练智能体的时候,多数的时候 agent 都是没有办法得到 reward 的。在没有办法得到 reward 的情况下,训练 agent 是非常困难的。假设你要训练一个机器手臂,然后桌上有一个螺丝钉跟螺丝起子,那你要训练它用螺丝起子把螺丝钉栓进去,这个很难,为什么?因为一开始你的 agent 是什么都不知道的,它唯一能够做不同的 action 的原因是 exploration。在做 Q-learning 的时候,会有一些随机性
这个公司是个中厂,公司挺有钱的,主要是面试官是真的牛,问的很全 1.自我介绍 2.你的项目,详细说说(我说的不详细,面试官觉得我的项目简单没什么问的,我真的。。。。) 3.说说你对golang中map的理解 4.说说你对golang中select和case的理解 5.说说你对golang的垃圾回收gc的理解 6.用mysql吧,说说mysql中的int(1)和int(10)的区别 7.mysql的