开场先自我介绍
这个都不知道咋说,只能说说自己的院系专业
然后问项目的细节
略
偏差和方差是什么?
略
欠拟合和过拟合是什么?
略
如何解决?
加数据,正则,early stopping , dropout
dropout在验证的时候要怎么处理?
这里我因为紧张回答错了,我说好像是训练的时候有一个东西在记录吧,然后测试的时候拿来用
实际上好像根本不用管…测试的时候直接跑完整的网络模型就好了
我面完才反应过来…我是知道这个的,面试卡壳了
问了优化器有什么?
先说了随机梯度、批量梯度、小批量梯度
然后说动量,接着就被打断
比较随机梯度、批量梯度、小批量梯度?
批量耗时,随机跳跃性太大,小批量结合两者优点
问了凸函数是啥?
只有一个全局最优
神经网络是否是凸函数?
大部分都是
动量优化器的优点?
避免震荡,跳出局部最优
传统机器学习可以用动量优化器吗?
表示没见过,感觉应该不用这么复杂的
有无C++经验?
只会helloword的水平,不会相关的库
我是想表示只会开发信息管理系统那种破作业
但是说成了helloword
会什么语言?
我说python,然后他问dlc(?)机制是啥,可能是我听错了,我说不太清楚
感觉他应该想问垃圾回收机制吧,但是当时没反应过来
后来查到资料有python的GIL机制,不知道是不是这个
这里1有一个CLR,不知道是不是这个
问ps范式?
我说不太懂,但是我知道并行的时候是各节点分别计算梯度然后汇总
他表示问的就是这个
问项目为啥用树模型?
吹优点
xgboost、catboost、LightGBM的区别?
一通瞎说
判断链表是否有环
紧张到不会,随便说的
树模型如何计算特征重要性
我回答说先按照基尼指数计算是否分裂,然后越靠近根节点的越重要
同一个层次的是按照基尼指数进行比较
我感觉这个回答不对
如何调参
我说网格或许hyperopt
本来还想说optuna,一紧张忘记了
面试时间大概是14:45到15:15,实际上大概也就是这个时长,30分钟以内
确实是基础面的感觉,可能后面才会问推荐相关?我感觉凉的可能性比较大
哦,对了,我在面试的小程序看到,今年秋招推荐岗招3个人