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
266
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
