《百度笔试机器学习》专题

主成分分析是一种降维方法，通过将一个大的特征集转换成一个较小的特征集，这个特征集仍然包含了原始数据中的大部分信息，从而降低了原始数据的维数。换句话说就是减少数据集的特征数量，同时尽可能地保留信息。降维是将训练数据中的样本(实例)从高维空间转换到低维空间，该过程与信息论中有损压缩概念密切相关。同时要明白的，不存在完全无损的降维。

机器学习即Machine Learning，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。目的是让计算机模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断完善自身的性能。简单来讲，机器学习就是人们通过提供大量的相关数据来训练机器。

【写面筋积累好运】 半小时的第一次面试，也是时隔1个月来的面试，希望不是kpi吧。 #网易信息集散地# #23届找工作求助阵地# 项目没有怎么问，基本上是问的项目里面的八股文。 手写某某网络传播公式。 手写xgb的计算公式。 解释用到的网络结构。 问dataset和dataloader的区别。 问python的迭代器什么的（不会） 手撕了一个回溯算法的题，写出来了，但是面试官说没有看到输出，慌得一

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

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

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 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。

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

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

时长70分钟左右，主要在问项目，其他八股挺常规的 八股： transfromers和RNN, LSTM的区别 解释一下梯度爆炸和解决方法 BN和LN的区别 讲讲了解的激活函数 怎么识别 / 解决过拟合问题 XGBoost和随机森林的区别 算法题： 最长公共子串 面完第二天秒挂，可能是笔试做得太烂了

今天下午面了快手的机器学习，部门是做搜广推的，面试官小哥哥介绍了一下部门情况，看到我是做图像的，感觉有点不太匹配，然后问我愿不愿意面试，我当然愿意了 时长：50min 1.自我介绍2分钟 2.介绍一下自己的项目，面试小哥不太懂我的这个项目，这里讲了比较多 3.二分类问题常用的评估指标？其中提到了召回率，出了个场景题说一下怎么计算 4.AUC怎么计算？ 5.AUC接近1可能的原因是什么？ 6.手撕：

自我介绍，三道编程题（二叉树和图，a了两道），项目深挖

分享一下百川智能的笔试，对于校招生来说难度很大，我只做出来第二题，其余两题都没有什么思路。 笔试题 1 很久很久以前，有一个 NBA 球探，主要负责在大学联盟中，给球队寻找有潜力的年轻射手。现在他手里有非常多而且格式凌乱的新秀投篮数据，让球探不知如何选择，作为球探的助理，你需要给出一份符合要求的球员名单。要求如下： 在一个学期的大学比赛中，至少连续登场 5 次，并且每场比赛的前 5 次投篮的总分是