《机器学习面试》专题

嗨，我是机器学习新手，只知道一些基础知识和事情应该如何运作。所以我看了这篇关于Python、TensorFlow和Keras深度学习的教程，得到了这些代码 因此，运行这些代码给了我很好的结果，验证准确率为76.9%。我需要做的是将此代码的模型更改为VGG16、VGG19和mobilenet，但我不知道如何导入经过预训练的模型，所以我决定创建自己的模型并进行训练。因此，我研究了VGG16和VGG19

面试 上午八点半后候场，然后九点开始面试。 有很多个面试官，但是全程只有一个面试官提问。我是java技术栈，自我介绍说了两个学习过程中的小项目，然后面试官就追着这两个小项目提问。因为我的有一个项目涉及到并发访问，但是是低并发，面试官就问了如何处理高并发场景。最后面试官说我简历上写了那么多技术，最熟悉的是哪一个，我回答了数据结构和算法，就问了我两个问题：1.图的存储方式；2.最短路径算法。 整个面试

时间：7.23 时长：40分钟 1.自我介绍 2.项目难点 3.aop是什么 4.aop的应用场景 5.事务注解 6.aop底层的实现 7.list集合去重 8.arraylist和linkedlist的区别 9.arraylist扩容机制及初始化机制 10.jvm相关 内存模型有哪些 11.锁相关 synchronized 12.synchronized加在方法上和代码块上的区别，加锁对象是谁

面了大概一个小时，我自己生病了挺不舒服的，面完就睡了，所以面经有些地方可能记得不太全 1.自我介绍，边介绍边问 tableau中如何反转矩阵（行列交换），问这个是因为我写了我会tableau 我在介绍AB test和因果推断的时候，面试官说我们用不上这些，我们主要是做模型和算法 对实习中的ETL开发任务问了一下，然后问了一下Hive SQL熟练度 实习中是如何处理大规模的稀疏矩阵的 实习项目中的评

岗位JD看起来不像是数据科学家，而像算法工程师 一面： 深挖项目 介绍一下Bert模型 树形模型是如何计算每个特征的重要性的 对项目里用到的遗传算法深挖，问我是如何改进遗传算法的 特征选择中，前向选择和反向选择实现起来有什么区别，哪个效果更好 如何构建多模态模型 在多模态任务中，如果视觉模型的输出张量比语言模型的输出张量短很多，该进行什么操作 介绍一下transformer transformer

首先面试体验真的很好，面试官先开的摄像头，并且告诉我开不开都可以，怎么舒服怎么来 总共有三个面试官，一开始就是正常的自我介绍（我还担心要英语），然后就全程问简历上的东西，问的也不是很深，可能是我的项目和他们组的方向不一样，全程面试官都很友好，也会讲一讲面试以外的事，比如我说了未来的规划以后，他也会给我一些建议，总之感觉面试难度并不大，只要把自己简历上的东西准备好就可以了 许愿有后续！

#软件开发笔面经# 二面和一面相比更是抽象，感觉字节系的面试官都是不愿意说话，具体体现在面试中就是多余的一个字都不说，项目也不怎么问，导致我一度以为一面挂了，也许这就是字节风格吧 项目： 介绍完之后又是象征性地问了问之前自驾工程侧的开发内容，参考一面 面试官直接表示了对算法侧的东西不太感兴趣，表示工程是这样的，算法那边只要实现就完事了，但是工程要考虑的就很多了 手撕： “给你40分钟做下这个啊”

问题内容： 我显然需要提高我在Java领域的知识，否则我注定要生成“看起来相同但不完全相同”的代码。 我已经有了基地…但是我正在寻找仅针对此的培训/课程。 谢谢 问题答案： 由Java Generics的一位设计师Philip Wadler撰写的书

问题内容： 我正在尝试通过Nehe指南来学习OpenGL并提高我的C ++技能，但是所有示例均适用于Windows，而我目前使用的是Linux。我真的不知道如何使事情在Linux下工作，并且已经移植到Linux的网站上的代码中还有很多未解释的代码（到目前为止，我唯一要做的就是工作就是SDL示例：http : //nehe.gamedev.net/data/lessons/linuxsdl/less

本文向大家介绍深度学习中的Batch Normalization?相关面试题，主要包含被问及深度学习中的Batch Normalization?时的应答技巧和注意事项，需要的朋友参考一下   答：BN就是在神经网络的训练过程中对每层的输入数据加一个标准化处理 传统的神经网络，只是在将样本x输入输入层之前对x进行标准化处理（减均值，除标准差），以降低样本间的差异性。BN是在此基础上，不仅仅只对输入层

本文向大家介绍深度学习常用方法?相关面试题，主要包含被问及深度学习常用方法?时的应答技巧和注意事项，需要的朋友参考一下   答：全连接DNN(相邻层互相连接，层内无连接) AutoEncoder(尽可能还原输入)、Sparse Coding(在AE上加入L1规范)、RBM(解决概率问题)---->>特征检测---->>栈式叠加贪心训练 RBM---->DBM 解决全连接DNN的全连接问题---->

本文向大家介绍深度学习调参经验？相关面试题，主要包含被问及深度学习调参经验？时的应答技巧和注意事项，需要的朋友参考一下 参数初始化，uniform均匀分布初始化，normal高斯分布初始化 数据预处理，进行归一化，有几种常用方法 梯度归一，算出来的梯度除以minibatch size 还有梯度裁剪，限制梯度上限，dropout防过拟合,一般sgd，选择0.1的学习了，衰减型的，激活函数选择relu

本文向大家介绍汇编语言学习心得，包括了汇编语言学习心得的使用技巧和注意事项，需要的朋友参考一下 汇编语言 汇编语言（assembly language）是一种用于电子计算机、微处理器、微控制器或其他可编程器件的低级语言，亦称为符号语言。在汇编语言中，用助记符代替机器指令的操作码，用地址符号或标号代替指令或操作数的地址。在不同的设备中，汇编语言对应着不同的机器语言指令集，通过汇编过程转换成机器指令。

本文向大家介绍Python深入学习之闭包，包括了Python深入学习之闭包的使用技巧和注意事项，需要的朋友参考一下 闭包(closure)是函数式编程的重要的语法结构。函数式编程是一种编程范式 (而面向过程编程和面向对象编程也都是编程范式)。在面向过程编程中，我们见到过函数(function)；在面向对象编程中，我们见过对象(object)。函数和对象的根本目的是以某种逻辑方式组织代码，并提高代码

本文向大家介绍Python中的类学习笔记，包括了Python中的类学习笔记的使用技巧和注意事项，需要的朋友参考一下 Python使用中面向对象的语言，支持继承、多态； 定义一个Person类：   可以修改Person的类方法 Person().sayHello也是一个函数，可以赋值给变量，并可以直接调用；   Person.sayHello与Person().sayhello并不是同一个对象，直