《机器学习算法面试》专题

问题内容： 我有两个RandomForestClassifier模型，我想将它们组合成一个元模型。他们都使用相似但不同的数据进行了训练。我怎样才能做到这一点？ 我想将所有树木合并成一个500棵树模型 问题答案： 我相信可以通过修改RandomForestClassifier对象的和属性来实现。森林中的每棵树都存储为DecisionTreeClassifier对象，这些树的列表存储在属性中。为了确保

误入AD圈是我的错了。。被怒挂 八股&&项目 看到量化相关的，讲讲大模型量化吧 讲讲大模型量化和普通量化之间的区别 如果量化有异常值如何消除 你觉得目前量化的工作还有哪些缺陷 在联想实习的项目，展开讲讲音频领域 音频模型如何部署 讲讲Paddle 写的int4 量化算子(面百度都没问过我这个。。。) 展开讲讲大模型的w4a16和w8a8量化 写题 一道hard，忘了啥题了 ------------

一、单选： 1、CLIP模型的主要创新点：图像和文本两种不同模态数据之间的深度融合、对比学习、自监督学习 2、一个3*3，stride=1，dilation=1的卷积加上一个步长为2的2*2池化，再加上一个3*3 ，stride=3，dilation=1的卷积对应的等效步长是多少：6（第一步不改变步长，第二步步长为2，第三步步长为2*3） 3、a=np.random.randn(3,3) b=np

本书将全面介绍深度学习从模型构造到模型训练的方方面面，以及它们在计算机视觉和自然语言处理中的应用。

Agile是一种软件开发方法，通过使用1至4周的短迭代，通过增量会话帮助构建软件，从而使开发与不断变化的业务需求保持一致。 敏捷数据科学包括敏捷方法和数据科学的组合。

本书将全面介绍深度学习从模型构造到模型训练的方方面面，以及它们在计算机视觉和自然语言处理中的应用。Github 地址：https://github.com/d2l-ai/d2l-zh

1. 做题，用梯度下降求解根号二的值 2. transformer 1. 结构介绍 2. attention介绍 3. 有没有了解过其他的attention结构 3. 分类算法用什么损失函数 4. 交叉熵的原理 5. kl散度与交叉熵区别 6. 为什么二元分类不用mse #滴滴面试# #算法#

目前来看满帮面试效率真的快，就是不知道综合评估要多久 8.25 简历投递 8.29 笔试 8.30 预约面试 9.2 一面技术面，面试问得很广，项目、语言、算法、数据结构都有问，算法是问的连通域，讲一下思路就行。 9.2 约二面 9.7 二面HR面，纯唠磕，会问你对公司了解情况，为什么选择满帮，你的挫折，你的合作经历（好像每个人都会问） 9.7 约三面 9.8 三面技术面，也是唠磕，项目没有怎么问

pdd算法岗面试     transform的结构     self-attention 和 attention（空间，通道） 的区别     手写conv2d     损失函数的公式     最长好数组（任意两个相与为0为好数组） 很少答出来，反问环节，说没啥问的了，因为后面还有两轮面试（后来想到，这么菜，还不知能不能过，哪里还有面试呀） #面经##拼多多面试#

趁热 了解RNN和LSTM吗 RNN input具体计算 RNN梯度爆炸和梯度消失的原因 为什么LSTM一定程度上解决RNN问题 transformer embedding bert encoder层里的参数量 bert预训练任务 xgb为何优于GBDT 追问xgb并行计算 seaborn库操作 numpy如何对列求平均 lamada匿名函数  spring boot 解释下bean equal和

时间：3月19日15:00 ～ 15:50 上来先自我介绍，介绍完之后面试官让看着简历一个项目一个项目的详细介绍 细节扣得比较细，比如设计的attention中qkv具体的映射方式如何实现等等 然后项目中评估指标用到了有PSNR和AUC值，让讲一下具体的公式和原理 还有实习经历中的一些场景的思考。 上面的问项目中间夹杂对应八股的部分大约半个小时 然后就是算法题，做了一道，leetcode原题 30

3.12 大概面了50分钟，大部分在深挖项目，实现细节问得比较深。 1.自我介绍，把简历内容快速过了一遍，面试官还夸了一句我做过的东西蛮充实 2.针对实习项目挖呀挖呀挖，这部分耗时最久，项目实现细节问得很详细 3.介绍一下Bert 4.GPT和Bert的区别 5.介绍一下Roberta，它的改进点在哪 6.Transformer和LSTM的结构与原理 7.介绍RLHF技术 8.介绍注意力机制 9.

1.自我介绍； 2.介绍一下做过的项目和论文； 3.用过哪些机器学习模型（XGBoost、LightGBM、RF、LR等），介绍他们的特点和区别； 5.深度学习用过哪些结构（MLP、CNN、RNN、Transformer、BERT等），介绍一下各自的特点和区别； 6.深度学习主要有哪些任务（分类和回归，分类可以使用有监督、无监督、半监督等方法，回归主要使用有监督方法）； 7.了解CV吗，用过开源框

1、自我介绍 2、深挖第一段实习经历 3、根据项目中自己实现的聚类算法进行提问，为什么不用其它现有的聚类算法？ 4、介绍dbscan聚类算法 5、深挖腾讯实习经历 6、介绍SVM支持向量机 7、SVM和单层MLP的效果是否一样？ 8、代码题，leetcode 45.跳跃游戏II (dp秒了) 9、反问，一共三轮技术面，组里主要做CV的，research和工程都有，看自己兴趣。 一面面试官人很好，基

原来商汤的产品居然要写算法的..... 1、面试官给我介绍了商汤的组织架构和所属事业群的工作内容 2、让介绍了一个感觉自己做的最好的项目 3、你说这个项目是0-1做的，做的时候你们有主要参考了什么产品，你们做这个产品的思路是怎么样的 4、之前你在的NLP部门，那么我们现在要对接公安局的话，可以用NLP能力满足哪些需求 5、我们这边产品也是需要去coding，使用训练框架训练模型，调算法底层架构的，