收集的机器学习面试问题

最新推荐文章于 2025-03-21 10:11:57 发布
最新推荐文章于 2025-03-21 10:11:57 发布
阅读量532 收藏 1
点赞数 1
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/happyorg/article/details/78329094
版权
一. 关于机器学习与深度学习的基础知识
1. LR, SVM, GBDT, RF等模型
2. 各种损失函数
3. 过拟合与欠拟合， 怎么办
4. 正则化，怎么做，意义
5. NN与BP
6. 梯度下降算法及其变种
7. 各种激活函数
8. 不平衡类问题
9. 模型融合方法及其特点
10. 分类问题中用均方损失的缺陷
11. 深度学习模型为什么要深
12. CNN中为什么做卷积，卷积怎么做，为什么做池化， 池化怎么做
13. 说几个常见的CNN架构
14. 计算图构建，前向计算损失，反向计算梯度
15. RNN和LSTM的结构，LSTM的前向计算，梯度消失问题
16. CNN和RNN中的参数共享
17. GAN中要学习的两组参数是什么
18. 关于tensorflow，常量与变量，数据读取，计算图...
19. 关于caffe，caffe源码的几个基本组成部分...
20. 关于mxnet， ndarray, autograd....
21. 特征工程： 特征预处理，特征选择，特征降维
22. 霍夫变换检测直线怎么做
23. 词袋模型， tf_idf计算， 词向量与词嵌入
24. K-mean中K的选择，其他聚类算法
25. 生成模型与判别模型
26. 准确率，召回率，F1分数， 混淆矩阵, TPR, FPR, ROC， AUC
28. 关于抽样的一些问题
29. 卷积的物理意义 <
最低0.47元/天 解锁文章
happy org
关注
机器学习面试必考面试题汇总—附解析
julyedu_7的博客
12-03 1808
问题：xgboost对特征缺失敏感吗，对缺失值做了什么操作，存在什么问题 不敏感，可以自动处理，处理方式是将missing值分别加入左节点 右节点取分裂增益最大的节点将missing样本分裂进这个节点 。这种处理方式的问题在xgboost仅仅在特征的非缺失的值上进行分裂然后missing值直接放入其中一个节点，显然当缺失值很多的情况下，比如缺失80%，那么xgb分裂的时候仅仅在20%的特征值上分裂，这是非常容易过拟合的。 问题：简要说一下Lightgbm相对于xgboost的优缺点 优点：直方图算
CUDA 高性能计算面试问题总结
m0_38086244的博客
10-12 3388
线程块内的线程可以通过共享内存进行数据交换和协同计算，通常在一个线程块内的线程之间的通信效率更高。全局内存（Global Memory）：全局内存是GPU内存中速度较低的一种，用于存储全局数据，可以被所有线程块和线程访问。共享内存（Shared Memory）：共享内存是位于每个线程块内部的内存，用于线程块内的线程之间共享数据。寄存器（Registers）：寄存器是GPU内存中速度最快的一种，用于存储每个线程的局部变量和临时数据。所有线程束中的线程执行相同的指令，但可以在不同的数据上操作。
机器学习面试-常见题目
weixin_39982225的博客
06-11 3840
机器学习常见面试问题汇总
CUDA编程面试高频30题
最新发布
m0_37755875的博客
03-21 969
CUDA（Compute Unified Device Architecture）是由NVIDIA开发的一种并行计算平台和应用程序接口模型。它允许开发者利用NVIDIA GPU进行通用计算任务，而不仅仅是图形渲染。CUDA提供了一个编程模型，使得开发者可以通过C、C++或Fortran等语言编写程序，并在支持CUDA的GPU上运行这些程序以获得显著的性能提升。Warp是GPU执行的基本单位，通常包含32个线程。Warp内的线程以单指令多线程（SIMT）方式执行相同的指令流。
BAT机器学习笔试面试300题及答案
10-27
BAT机器学习笔试面试300题及答案，包括腾讯阿里百度常问的问题，有详细的答案。
机器学习面试题
bemyself24
07-15 1152
1.svm算法的原理、如何组织训练数据、如何调节惩罚因子、如何防止过拟合、svm的泛化能力、增量学习 SVM算法原理：通过学习一个超平面来进行二分类，这个超平面可以用函数f(x)=W*X+b，当f(x)等于0时，X便是位于超平面上的点，大于0小于0分别对应着1类和-1类（标签可变），超平面的确定标准就是这个超平面到数据点之间有着最大间隔（函数间隔，几何间隔），一般都使用几何间隔，几何间隔就是点到超
机器学习面试题---百度2016春招
哆啦A梦的博客
03-25 2197
1、自我介绍。问你的专业和方向。2、说一下你残疾ade数据挖掘项目或者比赛。简述题目、数据、目的、评价指标、所用算法、遇到的问题、如何解决。3、简述SVM过程，举几个常见的核函数，说说其用途。举例说明什么事支持向量。4、说一下k-means过程。关于k的选择有什么好的看法？5、举个你熟悉的分类算法，简述其原理和过程。6、信息增益、信息增益率、基尼指数各是什么？信息增益率比和信息增益的区别是什么？7、
【面经笔记】CUDA
xiaxzhou的博客
08-01 5838
http://blog.csdn.net/junparadox/article/details/50540602 http://www.cnblogs.com/muchen/p/6306792.html 与CUDA相关的几个概念：thread，block，grid，warp，sp，sm。 sp: 小核（流处理器）最基本的处理单元，streaming processor 最后具体的指令和任务都
CUDA面试题库（含答案）三
tarzanlee666的博客
07-24 453
在CUDA程序中，设备查询和选择主要用于选择运行程序的GPU设备。在多GPU系统中，不同的设备可能有不同的计算能力、内存大小和带宽等，因此需要根据程序的需要选择最适合的设备。在CUDA编程中，如果出现错误，我会首先查看错误信息，了解错误的类型和可能的原因。然后，我会检查源代码中可能导致错误的部分，例如内存分配和释放、设备同步、核函数的调用等。涵盖：CUDA环境搭建、CUDA程序的编译和运行、CUDA程序的错误处理、设备查询和选择。16、在CUDA程序中，如果需要选择设备进行计算，需要考虑哪些因素？
CUDA面试题库（含答案）四
tarzanlee666的博客
07-24 358
目标地址和源地址分别是数据传输的目标和源的地址，数据大小是需要传输的数据的大小，传输的方向是数据传输的方向，可以是cudaMemcpyHostToDevice（从主机到设备）或cudaMemcpyDeviceToHost（从设备到主机）。然后，调用cudaMalloc函数，传入该指针的地址和需要分配的内存大小，该函数会在设备内存中分配指定大小的内存，并将分配的内存的地址保存在指针中。当不再需要该设备内存时，我们可以调用cudaFree函数，传入需要释放的设备内存的地址，该函数会释放指定的设备内存。
CUDA面经
SimpleBright_Man的博客
07-17 449
自用，你们别看
CUDAの大模型相关1
whaosoft143ai的博客
08-12 901
比如Block Tile + K Tile的实现，block内一共32x32个Threads，需要加载到smem的数据也是32x32，那么，最简单的做法，只需要每个线程加载一个互不重复数据即可。需要注意的是，warp函数处理的是寄存器上的数据，也就是说，此时，没必要先加载数据到smem，再进行reduce，直接加载到寄存器即可（以前犯过这个小错误...）。题内话，大模型相关的岗位，手撕CUDA的概率非常大，leetcode反而写的少，就前段时间个人的经验，基本是4:1的比例，还是建议好好复习下CUDA。
搞定秋招！3W字LLM高频面试题汇总：大模型手撕CUDA
weixin_59191169的博客
09-14 1085
相关kernel如下。也就是不到1000行代码，建议背下来，我个人是喜欢背记，背的过程中基本就慢慢理解所有细节。当然，每个人的学习方法都不一样哈，自己觉得舒服就行。题内话，大模型相关的岗位，手撕CUDA的概率非常大，leetcode反而写的少，就前段时间个人的经验，基本是4:1的比例，还是建议好好复习下CUDA。当然，这些只是最简单的kernel实现，比如flash_attn，FMHA这些优化手段，就不在这篇文章里写了，面试中基本都会问到。
CUDA算子手撕与面试指南
weixin_44286126的博客
12-14 2122
本项目是 CUDA 算子手撕与面试指南： 1. 汇总了面试高频的 CUDA 算子题目和优化策略，包含面试高频算子的编写示例 2. 项目从算子 native 实现到优化版本均包含完整代码，便于调试与性能分析 3. 每个算子附有相关的 GPU 知识点，帮助求职者高效备战 CUDA 编程面试。
【面经笔记】cuda、gpu概念
xiaxzhou的博客
07-13 1793
与CUDA相关的几个概念：thread，block，grid，warp，sp，sm。 sp: 小核（流处理器）最基本的处理单元，streaming processor 最后具体的指令和任务都是在sp上处理的。GPU进行并行计算，也就是很多个sp同时做处理 sm: 大核（流多处理器）多个sp加上其他的一些资源组成一个sm, streaming multiprocessor. 其他资源也就是存储
巨坑。。cuda！随手记录一点经验（慎点-估计只有自己能看懂）
Sun7_She的专栏
04-02 1841
大神就是大神，几天没搞定的事情人家两个小时就完成了啊啊啊！在此表示一下感谢
CUDA进阶之路：开篇
大光叔叔的专栏
07-11 2083
合抱之木，生于毫末；九层之台，起于垒土；千里之行，始于足下。《老子·道德经·第六十四章》 从大二开始，接触CUDA有六个年头了。从最初的实验室做CUDA项目，混技术群讨论问题，到研究生期间的GPU体系结构研究，再到现在的深度学习加速工作，都在跟GPU打交道。感觉自己怎么都算一个老司机了，在工作中却时常能碰见一些让人眼前一亮的CUDA知识技巧，或者是耐人琢磨的问题，每次弄明白都觉得贼舒服，...
面试（三）
juluwangriyue的博客
07-14 361
1. static关键字与const关键字作用 static static局部变量 将一个变量声明为函数的局部变量，那么这个局部变量在函数执行完成之后不会被释放，而是继续保留在内存中 static 全局变量 表示一个变量在当前文件的全局内可访问 static 函数 表示一个函数只能在当前文件中被访问 static 类成员变量 表示这个成员为全类所共有 static 类成员函数 表示这个函数为全类所共有，而且只能访问静态成员变量 const const 常量：定义时就初始化，以后不能更改。 cons
Django入门（二）
night李的博客
06-26 193
声明：本文是学习https://docs.djangoproject.com/zh-hans/2.2/文档后，笔者学后总结的精简板，适合快速入门，会引用上面的，想看完整板可以去上面的网址=￣ω￣= Django视图： 在 Django 中，网页和其他内容都是从视图派生而来。每一个视图表现为一个简单的 Python 函数（或者说方法，如果是在基于类的视图里的话）。Django 将会根据用户请求的 U...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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