本文分享了腾讯机器学习岗位的面试经历，涵盖了深度学习的基础概念，如监督学习、无监督学习、强化学习和深度学习。面试中涉及到合并有序数组的算法实现，word2vector和glove的对比，层次softmax与负采样，以及AUC和PRC的理解。二面侧重于xgboost与gbdt的区别，文本分类算法，attention机制和BERT模型，展现了面试的深度和技术广度。
目录
机器学习是一种人工智能的方法论，它从数据中学习和改进，而不需要显式地进行编程。它试图模拟人类的学习过程，让计算机能够通过经验来改进他们的表现。
在众多的机器学习方法中，以下几种是比较常见的：
- 监督学习：这是最常见的机器学习类型，在这种学习中，我们有一个训练集，其中包含输入（或特征）和输出（或标签）。通过训练模型，使模型能根据特征预测输出。
- 无监督学习：在这种学习中，我们只有输入数据，没有输出数据。模型试图从数据中发现模式或结构。
- 强化学习：在这种学习中，模型通过与环境交互并采取行动来学习。它的目标是通过选择最佳行动来最大化累积奖励。
- 深度学习：这是机器学习的一个子领域，它使用了人工神经网络，特别是在处理非常复杂的数据（如图像或语音）时非常有效。
一面
当天早上面试官加了我微信，
订阅专栏 解锁全文
1001
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
