节前,我们星球组织了一场算法岗技术&面试讨论会,邀请了一些互联网大厂朋友、参加社招和校招面试的同学,针对算法岗技术趋势、大模型落地项目经验分享、新手如何入门算法岗、该如何准备、面试常考点分享等热门话题进行了深入的讨论。
汇总合集
今天分享一位我们社群成员的分享总结,喜欢记得收藏、点赞、关注,更多技术交流,文末加入我们社群。
背景:女生,top985 CS 本硕,研究生的方向偏向于NLP/搜索推荐,2024届秋招拿了阿里、百度、联想等offer。
大家都知道今年秋招形式很艰难,互联网大厂更是几乎不招人,面试前在社群收获了很多经验,为此面试前做了很多准备,感谢社群中大佬的帮助。
面试过程中大概记录和整理面试问的高频问题,包括高频很常见的算法面试题(或者说八股文),发上来给大家,希望能够对各位有所帮助~
同时感觉有一些特别的变化就是面试题特别的新,大模型相关的内容也会经常出现,祝大家收获心仪的offer!
【SVM原理】
- SVM原理介绍
- 为什么激活函数用sigmoid?
- 为什么损失函数用交叉熵? (两个角度: 极大似然估计、KL散度)
- 交叉熵公式推导
【LR逻辑回归】
- 原理介绍
- 为什么激活函数用sigmoid?
- 为什么损失函数用交叉熵?
【模型的参数可不可以初始化为0?】
- 注意和“神经网络里隐层可不可以初始化为0”进行区分
【集成学习】
- Bagging和boosting的区别(样本选择上、样例权重组、预测函数、并行计算、方差偏分解)
- 随机森林、GBDT、XGBoost、LightGBM等模型介绍和优缺点
- GBDT如何做分类?
【决策树】
- 常见的树模型及其简介
- 各种生成和剪枝方法
【EM算法】
- 算法原理
- 收敛性:EM是局部最优还是全局最优?
【过拟合】
- 解决过拟合的方法(正则化、BatchNorm和LayerNorm、Dropout、增加训练数据、数据增强、标签平滑、引入先验知识、交叉验证、预训练等)
- Dropout为什么可以解决过拟合?
【方差偏差分解】
- 解释什么是方差什么是偏差
- 为什么bagging降低方差(偏差不变),而boosting降低偏差?
- 公式推导
【归一化】
- 为什么要归一化
- 各种归一化的区别和优缺点
- 为什么 NLP 不用 BatchNorm?*出现频率极高
【正则化】
- L1 和 L2 正则化怎么做
- L1 和 L2 分别会有什么现象,代表什么先验分布
【初始化】
- 不同网络的初始化有什么区别?
- 神经网络隐层可以全部初始化为 0 吗?
【激活函数】
- 优缺点
- sigmoid、tanh、relu、gelu
【损失函数】
- 二分类的损失函数
- 为什么分类不用 MSE?
【信息论】
- 信息熵、条件熵、联合熵、相对熵、互信息的概念
- 交叉熵和 KL 散度的区别
【样本不均衡】
(降/过采样,带权重的 loss)
【数据预处理】
(离散特征和连续特征)
【梯度消失和梯度爆炸】
- 梯度消失和梯度爆炸的原因
- 处理方法
【优化器】
- 原理、发展过程、公式、公式符号的意思
- SGD、AdaGrad、RMSProp、AdaDelta、Adam、AdamW
- 从 SGM 到 Adam 做了哪些改进 (自适应的学习率、动量)
- Adam 和 AdamW 有什么区别
【评价指标】
- Acc、Precision、Recall、F1、ROC、AUC
- AUC 为什么好,工业界为什么选择用 AUC
- 代码实现 AUC,需要写出工业界的实现方案
【BERT 和 Transformer】
-
简单介绍一下 BERT/Transformer
-
BERT 的两个训练任务是什么?(MLM 和 Next Sentence Prediction)
-
BERT 的优化器(AdamW)?和 Adam 的区别?
-
Attention 和 self-attention 有什么区别?
-
Self-attention 的公式、计算过程 *出现频率极高
-
多头的意义,多注意力会增加模型的计算时间吗
-
Transformer 的复杂度
-
对比 LSTM、CNN 和 Transformer,Transformer 的优点是什么(上下文感知、并行处理)
-
BERT 中如何解决 OOV(Out of Vocabulary)
【大模型】
- 讲一下GPT系列模型是如何演进的?
- 为什么现在的大模型大多是decoder-only的架构?
- 讲一下生成式语言模型的工作机理
- 哪些因素会导致LLM的偏见?
- LLM中的因果语言建模与掩码语言建模有什么区别?
- 如何减轻LLM中的幻觉现象?
- 解释ChatGPT的零样本和少样本学习的概念
- 你了解大型语言模型中的哪些分词技术?
- 如何评估大语言模型(LLMs)的性能?
- 如何缓解LLMs复读机问题?
- 如何缓解LLMs重复读问题?
技术交流群
前沿技术资讯、算法交流、求职内推、算法竞赛、面试交流(校招、社招、实习)等、与 10000+来自港科大、北大、清华、中科院、CMU、腾讯、百度等名校名企开发者互动交流~
我们建了算法岗技术与面试交流群, 想要获取最新面试题、了解最新面试动态的、需要源码&资料、提升技术的同学,可以直接加微信号:mlc2040。加的时候备注一下:研究方向 +学校/公司+CSDN,即可。然后就可以拉你进群了。
方式①、微信搜索公众号:机器学习社区,后台回复:加群
方式②、添加微信号:mlc2040,备注:技术交流