1. 什么是高斯过程
2. 为什么神经网络能学习很复杂的参数
3. 为什么分布选择高斯分布(大数极限定理)
4. 决策树的建立过程,信息增益,基尼指数。
5. 随机森林为什么效果好
6. 估计量跟样本有什么关系
7.过拟合的原因是什么,有哪些解决方法
8. 为什么dropout可以解决过拟合
9. 为什么有残差网络?好处是什么
10. 排序算法的最小复杂度
11. f(x) 凹函数,x为递增数列,求极值
12. SVM
13. 贝叶斯
14. 逻辑回归
15. RNN, LSTM
26. 强化学习
27. GAN为什么难以收敛
28. batch处理的函数