《机器学习面试》专题

自我介绍 c++，计网八股 好多好多 项目深挖 raft和跳表 学校科研和难点 手撕快排（中间脑子一抽写完partition就运行了，现在想想，麻了） 面试官好好！也很温柔～全防出去了！！许愿～ bilibili💕b小将，启动！#bilibili##机器学习#

快手一面凉经 算法 我迟到10分钟 面试45分钟 1. 和为k的连续数组 2.AUC 公式，物理意义，GAUC，auc缺点 3.L1 和L2 4. Dropout 训练预测区别 BN在哪些场景下不适用 5.Xgboost特点 6.损失函数评价函数，Huber 7.交叉熵公式 为什么分类用交叉熵不用Mae 8.生成式模型与判别式模型，NLP了解吗(我是做数据挖掘的, 认识不深，说不了解) 9.实习介

第一层、了解SVM 支持向量机，因其英文名为support vector machine，故一般简称SVM，通俗来讲，它是一种二类分类模型，其基本模型定义为特征空间上的间隔最大的线性分类器，其学习策略便是间隔最大化，最终可转化为一个凸二次规划问题的求解。 1.1、线性分类 理解SVM，咱们必须先弄清楚一个概念：线性分类器。 1.1.1、分类标准 考虑一个二类的分类问题，数据点用x来表示，类别用y来

地狱一样的理论问询，今年秋招最难的一场…… 数学问了中心极限定理，大数定理，Γ分布和κ分布关系…… 机器学习问了特征选择，特征归一化，马尔科夫链，gibbs采样，集成学习，选择性偏差，决策树并行计算，xgboost和adaboost样本权重…… 深度学习问了卷积原理，梯度传播稳定性，BN本质，torch和tensorflow的图理论…… 大模型问了很多工程上的问题，出现loss spike啦，波峰

约的8点开始， 8点面试官进来后说要上卫生间，等到8点10分开始，一共60分钟。 1、开始先聊了会儿在字节实习的内容，主要聊场景； 2、聊完后开始问xgboost（简历有写），很细，都是答完后继续往下深挖，答的不好： 和GBDT的区别 什么场景用lr，什么场景用xgboost，什么场景用nn 构造树的过程 怎么来做多分类的 。。。 3、auc指标的含义 4、分类问题为什么用交叉熵不用mse，从公式

发个面经攒攒人品吧家人们😥 上来全是问基础，太烧脑了呜呜 1.面试官介绍了他们是支付宝广告技术部，主要做搜广推aigc大模型等，包括涉及的业务等 1.开始严刑拷打了呜呜。问我在阿里做aigc项目，主要负责了哪块？问相关的vision transformer有没有了解过？我说没有只看过transformer，然后就问那你说说transformer。。。 2.问了神经网络中最大池化层的反向传播怎么算

更新：已挂 9月1号投递的算法工程师-机器学习岗，高德部门 9.5一面 (50min) 总结：面试分四部分：简历项目+基础知识+场景题+做题 自我介绍 简历项目比赛介绍+提问 问了许多深度学习和机器学习的基础知识： 卷积 vs 全连接 怎么理解卷积？ 图片的物体发生位移或扰动，对CNN有影响吗？ 池化的作用 随机森林 vs GBDT 随机森林和GBDT的基分类器可以改成线性分类器或者其他吗？ 分类

9.7一面 (约40min) 自我介绍 项目比赛介绍，没有深挖 进程和线程区别 数组和链表的区别 递归和非递归的区别(除了栈这方面) 快排的时间复杂度，快排稳定吗 类似的基础问题等等(想不起来了。。。) 二叉树了解吗？还行 撕题：非递归中序遍历二叉树 反问 总体感觉面试比较简单，上午面完，下午通知下周二面 9.13二面 (约20min) 自我介绍 问了一个比赛，大概十来分钟 反问 面完下来一查秒挂

上午在床上睡觉接到电话说要面试，推到下午了 时长：40min 1.自我介绍 2.项目深挖，问到了两个项目，主要包括背景，模型流程等 3.八股： 1）如何判断一个模型过拟合或者欠拟合？ 2）如何解决过拟合？ 3）L1L2正则有什么效果？ 4.反问： 1）部门业务：菜鸟APP的推荐内容 2）是否介意没有相关背景的同学 3）后续流程？1-2轮技术面+hr面 4）base地情况 挺好的，面完秒挂

不用自我介绍，就是聊项目，面试官人特别好，我特别菜 大概讲了讲项目后做算法题， 第一题self-attention，用pytorch，继承pytorch.nn.Module写forward函数，没写出来，如果写出来了应该会继续写mask self-attention 第二题求前K个高频数 第三题二叉树 前序遍历中序遍历后序遍历 然后根据后序和中序结果写前序遍历 机器学习问了过拟合 决策树，xgb和

2024/08/29 14:00（50分钟） 这个岗位是学长内推的，不是我研究的方向所以没有项目，一面也没有八股啥的，主要考察了下代码能力和思考问题的能力吧 手撕：判断序列能否划分成两个和相等的子集（背包），网格路径最小（动态规划） 还一个概率论的题目就不透露了

电话面+邮箱发alitcode链接进行coding考察 ----------------------------------------------------------------------------------------------------------- 没有让做自我介绍，直接对着简历问项目。 第一个项目是用seq-to-seq做的缺陷自动修复，问我将NLP应用到软工领域有什么痛点

这次面试官没有迟到，没有机会水了。。。 不过是个女面试官，非常亲和的感觉 开局自我介绍，讲了一下学的课程内容和做的课设项目，了解了一下大概情况 重点分析讲了一下数据竞赛的内容 八股： 1.讲一下集成学习的一些算法 2.GBDT，XGBoost，LightGBM各自有什么优势劣势，适用情况 3.独热编码和embedding的用途，各自优势，为什么用 4.为什么在项目中用了GBDT而不是RF 5.讲一

开局面试官迟到6分钟。。。 自我介绍了一下就10分钟了 问了一下自我介绍说的开源经历和项目，问了个项目地址 问了大模型SFT和LORA的区别和应用 然后八股和项目就一点不问了？？？？？？ 我早起背了这么多机器学习的八股有啥用？ 然后手撕了一道快速排序，写了个测试用例就快速下班了 反问： 1.部门业务：百度地图数据分析处理，机器学习做预测，自动化 2.岗位竞争：说小于10个人在面，应该不止一个1个h

本文向大家介绍python机器学习之神经网络（一），包括了python机器学习之神经网络（一）的使用技巧和注意事项，需要的朋友参考一下 python有专门的神经网络库，但为了加深印象，我自己在numpy库的基础上，自己编写了一个简单的神经网络程序，是基于Rosenblatt感知器的，这个感知器建立在一个线性神经元之上，神经元模型的求和节点计算作用于突触输入的线性组合，同时结合外部作用的偏置，对若干