《机器学习》专题

问项目问的很细，但不拷打，纯交流。 中间问了推理加速的选择，大概讲了讲vllm和deepspeed-mii主要的一些推理加速的技术路线。 问了问推理框架的选择，说了一下vllm，deepspeed-mii和sglang的使用体验。 问了问模型增大主要带来的是什么瓶颈，分别讲了计算瓶颈和访存瓶颈。 无八股，无代码题。 方向其实不太匹配，挂了也正常，许愿一个二面吧 #秋招##卓驭科技#

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

最近需要学习机器学习相关的算法模型开发，比如预测价格趋势、用户行为预测、之类数据向的，不涉及图片，我想问苹果的 16G 内存 256 硬盘 M2 芯片可以支持么

1,自我介绍 2,项目不太相关所以没有过多问项目 3,编程题简单 4，常见的机器学习算法 5，特征归一化对树模型和神经网络的作用 6，神经网络防止过拟合的方法 7，线程和进程的区别

我熟悉算法实现，对机器学习不熟悉，但我在学术和生产之间有差距。 我正在实施推荐系统，学习模型取得了良好的效果，然后我停下来问下一步该怎么办？如何在现有网站上部署它 在学习过程中，我使用了CSV数据集和本地机器，但在线将是拥有数十万用户和数千用户的数据库。所以我认为不可能加载所有数据并向用户推荐东西。 问题是：我将如何在生产中使用我训练过的模型？

我是机器学习算法的新手。我正在学习基本算法，如回归、分类、聚类、序列建模、在线算法。互联网上的所有文章都展示了如何将这些算法用于特定数据。没有关于在正式生产环境中部署这些算法的文章。所以我的问题是 1） 如何在生产环境中部署机器学习算法？ 2）机器学习教程中遵循的典型方法是使用一些训练数据构建模型，并将其用于测试数据。但是，是否建议在生产环境中使用这种模型？传入的数据可能会不断变化，因此模型将无效

将我们的机器学习项目加载到Django服务器时，出现以下错误： 回溯（最近一次调用）：文件“/home/akhil/anaconda3/lib/python3.6/site-packages/django/core/handlers/exception.py”，第34行，在内部响应=get_-response（请求）文件“/home/akhil/anaconda3/lib/python3.6/si

我目前正在开发一个机器学习应用程序。请在此代码中帮助我 - 当我上传大数据集时，我遇到了一个错误。 代码如下: 然后： 错误是： 带有关于错误的附加行和信息： /预处理/字典更新序列元素#0处的ValueError的长度为1；2是必需的请求方法:POST请求URL:http://127 . 0 . 0 . 1:8000/preprocessing/Django版本:2.2.4异常类型:ValueE

5.15官网投递-5.19初筛通过-5.27上午面试。 面试全程半小时，介绍项目内容，问项目输入输出，项目数据量。然后做题，最长无重复字符串子串。做完反问。 面试结束后秒挂😅😅😅😅，我真的栓Q#暑期实习##OPPO##腾讯##阿里巴巴##字节跳动#

校验者: @Kyrie @片刻 翻译者: @冰块 数据集 Scikit-learn可以从一个或者多个数据集中学习信息，这些数据集合可表示为2维阵列，也可认为是一个列表。列表的第一个维度代表 样本 ，第二个维度代表 特征 （每一行代表一个样本，每一列代表一种特征）。 样例: iris 数据集（鸢尾花卉数据集） >>> from sklearn import datasets >>> iris = d

上周五一面结束，这周二约的二面。 全程20分钟，纯聊天。 面试官人巨好。 问了手里有的offer，为什么还在找。 然后是聊项目，论文的创新点。 之后就是反问了，给我科普了广告所做的内容。 问下一轮面试，如果通过就是HR面了。 面试官看时间还比较早，就继续聊了会儿。 面试官人巨好，也跟我说了对我的评价，需要和一面面试官讨论一下再确认结果。 真的是很愉快的一次面试。 许愿二面能够通过

笔试ak了被捞起来了，部门是支付宝广告业务技术部。 全程30min（感觉又要凉） 项目。问GRU的原理（这里重置门和更新门具体的作用记不清哪个是哪个了） 问到线性回归（平时用深度学习比较多，机器学习接触的少一些） 然后就做题了。。 三道题选一个即可，都是leetcode原题，分别是 16最接近的三数和 22括号生成 53最大子数组和 选第三个秒了 反问：业务、新人培养（问HR比较好）、深度学习多还

笔试题目组成： 1、20道选择题 2、3道编程题 总体体验：机器学习算法岗，相比较起纯算法岗，编程部分会更简单一些。在牛客/力扣上大致排在中等左右。 选择题里面考了一道：给定邻接矩阵的深度优先遍历顺序。 编程题： 1: 三数之和 (通过全部用例): 输入[1,4,5,6,7,10,12,15], 18 从数列里面找到三个元素a, b, c, 使其和为target 输出: [ [1, 5, 12],