[面经]算法岗常用八股整理

于 2024-10-02 09:18:39 发布
阅读量162 收藏
点赞数 4
分类专栏： # 算法岗 文章标签： 算法
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/weixin_44092088/article/details/142678322
版权

文章目录


以自己亲身经历的题目为主

CNN

CNN 的3大特点有哪些？

Resnet

有什么特点？

为什么要用这个作为你的backbone

Batchnorm是做什么的？

Batchnorm和Layernorm之间的区别在哪里？

抽象问题

如何解决过拟合和欠拟合

评价指标

mAP

Recall

Accuracy

Precision

初梦语雪
关注
专栏目录
技术面 - 八股文整理
程序员阿甘的博客
11-13 1万+
八股文整理
算法面试八股文『 基础知识篇 』
SG_teresa's blog
01-31 2825
个人整理的算法面试基础知识八股文，内容较详细。
【八股文】算法篇
weixin_45325628的博客
02-24 6765
目录1. 数据结构1. 数组1. 定义2. 特点3. 代码2. 链表1. 定义2. 组成部分3. 分类1. 单链表2. 双链表3. 循环链表4. 链表的存储方式5. 如何定义一个单链表6. 链表相关操作1. 删除节点1. 时间复杂度：O（1）2. 添加节点1. 时间复杂度：O（1）3. 查询节点1. 时间复杂度：O（n）3. 哈希表（散列表）1. 优点2. 缺点3. 哈希函数（采用哈希取余运算）4. 哈希碰撞及解决方案1. 拉链法（Java中的HashMap就是这么实现的）2. 线性探测法5. 常见的三种哈
算法工程师八股文——序言
qq_42251885的博客
07-15 2756
算法工程师入门之路
算法面试八股文『 模型详解篇 』
SG_teresa's blog
02-19 1840
算法面试八股文第二弹——经典模型详解篇。
算法工程师面试八股（搜广推方向）_算法岗八股
afagagagaa的博客
04-29 1275
f(x)=1+e−x1​，用于二分类，X靠近0的时候，一点小小的值变化也能引起Y很大变化，说明函数区域将数值推向极值，很适合二分类。X远离0时，X值变化对Y起作用很小，函数的导数变化也很小，在反向传播中几乎起不到更新梯度的作用；且sigmoid函数只能得到正值，在很多情况下不适用。3. tanh函数：fxex−e−xexe−x{-x}}{e{-x}}
2023届-SLAM算法校招面经
handily_1的博客
06-03 4179
23年6月初终于尘埃落定，今年受大环境影响，这一路可以说是步履维艰，我的投递的行业主要面向机器人和自动驾驶，投递岗位大部分是算法工程师，其中也包括C++开发和少量的测试岗，在面试过程中加深了对车企、自动驾驶、扫地机、测绘等的认识，现在关于这几个领域的话题也能侃侃两句。
算法工程师面试八股（搜广推方向）_算法岗八股，2024年最新大数据开发开发必会技术
2401_84181536的博客
04-14 1081
∂σ2∂Zi∂L∂μ∂μ∂Zi∂L∂Znormi1σ2ϵ∂L∂σ22Zi−μm∂L∂μ1m。
字节跳动-后端开发岗最新春招面经分享，四面拿下，有惊无险
CSDN超级实习生
03-18 3134
校招过程中，除了面试前对于基础知识的积累掌握，在面试的长线战斗中，更重要的是去收集面经，从面经中获取到面试的岗位与公司的基本信息，整理与你背景相同的同学在面试中被考察的点，找寻它们之间的规律，当掌握了这个规律后，面试会变得轻松很多。 如今春招也已经进行到一半了，很多同学还不知道该如何准备，不如先看下这篇来自X同学的面经分享，找准自己的重点、难点，逐个击破。 字节一面，时长：1h10min 1.自我介绍 2.OSI网络7层模型 ​​​​​​OSI七层模型详解_小鹏_加油的博客-CSDN博客.
【秋招】算法岗的八股文之机器学习
qq_42312574的博客
08-02 8591
为了便于后续的下游任务中特征距离计算，为了消除特征间单位和尺度差异的影响，以对每维特征同等看待，需要对特征进行归一化。余弦相似度：计算两个向量之间夹角的余弦值，余弦值接近1说明夹角趋近0，表示两个向量相似。表示激活函数，【激活函数是用来加入非线性因素的，提高神经网络对模型的表达能力，解决线性模型所不能解决的问题。模型假设：自变量的变化对因变量的影响是通过一个逻辑函数（sigmoid函数）体现的。这个模型中包含了许多不同的网络模型，以下将根据他们之间的应用侧重来浅显的解析概念。的代价函数是交叉熵函数。
java面试--常考的算法（二分，排序）
dyk
02-27 512
java面试--常考的算法，二分 排序
2023年互联网算法岗位秋招八股文贴
qq_41111734的博客
02-17 3176
秋招八股文贴
大数据最全算法工程师面试八股（搜广推方向）_算法岗八股，2024年最新网易云的朋友给我这份339页的大数据开发面经
2401_84164527的博客
05-11 1153
Ewb∑i1myi−11e−wTxib2Ew,b​=∑i=1m​(yi​−1+e−(wTxi​+b)1​)2 ,是非凸的，不容易求解，会得到局部最优。lwb∑i1m−yiwTxibln1ewTxiblw,b​=∑i=1m​(−yi​(wTxi​+b)+ln(1+ewTxi​+b)) ,是关于 (w,b) 的高阶连续可导凸函数，可以方便通过一些凸优化算法求解，比如梯度下降法、牛顿法等。
【AI算法岗面试八股面经【超全整理】——机器学习】
最新发布
猫猫头的博客
05-28 8341
因为回归树的标签是连续的，因此基尼系数、熵这种概率评估不适合作为评估指标，所以考虑使用均方误差作为特征划分的好坏，将划分后每个节点所有样本的均方误差之和与之前没划分的节点的均方误差作差来代替基尼系数。如果能将用户A的原始特征转变为一种代表用户A喜好的特征向量，将电影1的原始特征转变为一种代表电影1特性的特征向量，那么，我们计算两个向量的相似度，就可以代表用户A对电影1的喜欢程度。首先对物品或内容的特征作出描述，发现其相关性，然后基于用户以往的喜好记录，推荐给用户相似的物品。交叉熵越小，两个概率分布越接近。
算法八股文——大厂真题——感知智能+数据挖掘
HelloWorld的博客
03-05 3755
算法八股文——大厂真题——感知智能+数据挖掘
机器学习面试笔试求职必背！八股文（1/5）
热门推荐
大厂offer宝典
08-29 1万+
算法工程师，技术软件类求职机器学习必背八股文 更多算法/业务/HR面等笔试题面试题 —— >个性签名自取！ 1. 特征工程： 1.1 为什么要对特征做归一化处理： Feature scaling，常见的提法有“特征归一化”、“标准化”，是数据预处理中的重要技术。特征间的单位（尺度）可能不同，比如身高和体重，比如摄氏度和华氏度，比如房屋面积和房间数，一个特征的变化范围可能是[ 1000 , 10000 ] [1000, 10000][1000,10000]，另一个特征的变化范围可能是[ −.
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