《机器学习》专题

我一直在和一个朋友争论“特征提取”。他说，ML的主要任务是提取特征。但我不同意。一般来说，特征提取不是一项ML任务。如果我们认为wx b是表示ML的最简单的方法，那么ML的任务就是找到最好的w和b。x是特征。ML试图找出给定x的最佳w和b值，它与训练数据匹配，从而学习如何找到w和b。 我的朋友说提取特征是ML的核心任务。但据我所知，特征提取主要是一项数据预处理任务。

在Microsoft Azure机器学习下创建计算实例并选择Jupyter以打开Jupyter笔记本后，我将从菜单中选择新建终端。然而，我得到以下错误： 我已经重新创建了compute实例，但运气不佳。 你知道这个问题与什么有关吗？ 谢谢

四年前，我发布了这个问题，得到了一些答案，不幸的是，超出了我的技能水平。我刚刚参加了一个build tour会议，他们在会上谈到了机器学习，这让我想到了使用ML来解决我的问题的可能性。我在azure站点上发现了这一点，但我认为它对我没有帮助，因为它的范围非常狭窄。 以下是我正在努力实现的目标： 我有一个源图像： ML是解决这个问题的好工具吗？如果是的话，有什么开始的建议吗？

[toc] 百度 机器学习算法工程师 凉经 投递 2022.07.25 牛客投递，后面牛客上内推了，发了一个内推确认链接，就等于是官网内推投递吧应该 一面通知 2022.07.29 通知面试，直接发的2022.08.02 晚上 20 : 00一面 一面 2022.08.02 面试时长：60 min 面试平台： 如流（百度自家的） 面试过程，分为3部分 项目 介绍项目，问了两个项目 在问项目过程中，

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

准备工作 1. 准备一张mysql数据库表，至少包含这些列：id、title(文章标题)、content(文章内容)、segment(中文切词)、isTec(技术类)、isSoup(鸡汤类)、isMR(机器学习类)、isMath(数学类)、isNews(新闻类) 2. 根据你关注的微信公众号，把更新的文章的title和content自动写入数据库中，具体方法见《教你成为全栈工程师(Full Sta

全程25分钟 手撕：lc5 只需要输出长度，中心扩展秒了 项目 Transformer中缩放点击注意力为什么要除以根号下dk（这个问题被问到好多次了，给出了原文解释） 为什么值是根号下dk而不是dk，dk的2/3次方等？（这里李沐的动手学深度学习给出了一个解释：假设查询和键的所有元素都是独立的随机变量，并且都满足零均值和单位方差，那么两个向量的点积的均值为0，方差为d。为确保无论向量长度如何，点积

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

笔试时间60min 题型：10单选、8多选、1编程 （选择题有一半是关于相机标定和双目测距的，考的很细节，没接触过，完全不懂。 transform也考了几道题，考的也很细节，有一题给了四篇文献及其概述，让你选正确项，人都蒙了，后来想想四篇文献应该都是transform的经典文章，就是考你有没有读过它们。 语言八股也有一两道题。 其他的题就是关于深度学习的了，不难，毕竟也没几道题。） （编程题是最大

1.transformer结构 2.不用专业知识和数学知识解释CNN 3.如何把图片分割成目标数目不确定的多个子图 4.在UI特别复杂的游戏场景中，如何在数据进入RL之前把游戏场景中的agent信息提取出来 一面过 周四二面

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