字节跳动面经 算法岗

一面

1. 交叉熵的推导
2. 如何确定kmeans的k【肘部法则和轮廓系数】

肘部法则：我们知道k-means是以最小化样本与质点平方误差作为目标函数，将每个簇的质点与簇内样本点的平方距离误差和称为畸变程度(distortions)，那么，对于一个簇，它的畸变程度越低，代表簇内成员越紧密，畸变程度越高，代表簇内结构越松散。 畸变程度会随着类别的增加而降低，但对于有一定区分度的数据，在达到某个临界点时畸变程度会得到极大改善，之后缓慢下降，这个临界点就可以考虑为聚类性能较好的点。 基于这个指标，我们可以重复训练多个k-means模型，选取不同的k值，来得到相对合适的聚类类别

轮廓系数：对于一个聚类任务，我们希望得到的簇中，簇内尽量紧密，簇间尽量远离，轮廓系数便是类的密集与分散程度的评价指标，公式表达如下： s=b−amax(a,b)s=b−amax(a,b)其中a代表同簇样本到彼此间距离的均值，b代表样本到除自身所在簇外的最近簇的样本的均值，s取值在[-1, 1]之间。 如果s接近1，代表样本所在簇合理，若s接近-1代表s更应该分到其他簇中。 同样，利用上述指标，训练多个模型，对比选取合适的聚类类别

3. yolo的一些问题
4. cnn，输入256 * 256，卷积核10 * 10，步长为2，输出是多少
5. 算法题：层次遍历二叉树【中等题】

二面：

1. 算法题：列举列表的所有子集【中等题】

ans=[]
def fun(l,temp):
    if len(l)==0:
        t=temp.copy()
        ans.append(t)
        return 
        
    fun(l[1:len(l)],temp)       
    temp.append(l[0])   
    fun(l[1:len(l)],temp) 
    temp.pop()
    return ans

2. 如何扩大感受野
3. BN层能解决什么问题？它的原理是什么

三面：

1. 项目的问题
2. bert的损失函数
3. 证明rnn的信息消失a
4. python多线程会有什么问题

微信扫码关注公众号，后台回复「电子书福利」，35本深度学习、机器学习、自然语言处理、算法领域的经典电子书，我们将一次性统统分享给大家！