算法工程师面试题

1.介绍一下:logistic regression,svm,gbdt,randomforest,xgboost,lightgbm(一般根据简历有针对性的问)

2.为什么用线性回归做分类效果不好

3.比较一下k-means和高斯混合模型

4.SVM中C越大对模型有什么影响

5.gbdt和randomForest比较, xgboost和lightgbm的比较

6.项目中使用了xgboost,lightgbm,怎么调参的,如何防止过拟合的(重要)

7.level-wise和leaf-wise优缺点比较

8.xgboost在哪些方面做了并行,同样是并行,为什么xgboost会比lightgbm慢很多

9.介绍一下AUC,项目中评价指标为什么使用logloss而不用AUC

10.项目中是怎么做特征选择的(重要)

11.one-hot encoding有什么好处

12.介绍一下卷积神经网络,熟悉哪些经典的网络结构

13.介绍一下反卷积

14.深度学习中如果防止过拟合(重要)

15.dropout原理,如何实现

16.介绍一下batch normlization

17.1*1的卷积有什么特别的用途

18.能够解释一下attention机制么

19.tensorflow在分布式情况下,参数设置需要注意些什么

20.海量数据处理题,这个百度一搜一大把(重要)

21.spark,hadoop相关,一般面试官会出题,让你用mapreduce实现(重要)

21.普通算法编程题(leetcode),每次面试都需要写,对刚毕业没多久的人很重要,不过比校招算法岗出的简单(我司不算)。

  • 0
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值