算法工程师/自然语言处理工程师-面经，问题汇总

面筋汇总

---

前言

本人是一个深度学习小白，最近在求职中记录了每次面试中遇到的问题，希望可以帮到也在求职的朋友们，如果觉得有帮助可以点个赞~
前事之不忘，后事之师。

---

以下是本篇文章正文内容。

一、鸿捷源-算法工程师

1.

二、字节跳动-高级算法工程师_工程效率方向

1.

三、软通动力-算法工程师-一面

1.

四、软通动力-二面

1. 逻辑回归的原理、特点是什么，详细介绍一下

2. 逻辑回归为什么要对特征进行归一化？

主要有两点，（1）归一化后加快了梯度下降求最优解的速度（2）归一化有可能提高精度。为什么呢？
因为（1）当两个特征数量级差距大时，两个特征​所对应的损失函数等高线图呈现椭圆形，梯度下降法下降的路线需要与椭圆切线的垂直方向，这就导致了路线非常的曲折，迭代的次数会非常多。归一化后，等高线图近似于圆形，下降路线相对简单很多，就是指向圆心的方向，迭代次数少。
（2）当两个特征绝对值的数量级差距较大时，数量级大的特征会在一定程度上“统治”结果。因此要做归一化，让两个因素对于结果影响的幅度接近，这样我们训练出的参数w也更好解释。

总结