【Ensemble集成思想】 1.Boosting：将弱学习器提升为强学习器，从而提高预测精度典型如：AdaBoost / GBDT 2.Bagging：自助采样，生成众多并行分类器，通过投票决定最终结果典型如：Random Forest随机森林 本节主要介绍决策树的两种Ensemble方法：随机森林和GBDT 【随机森林】 1.使用了Bagging思想多棵决策树解决了单棵泛化能力差的缺点 2.随机体现在：随机选择样本随机选择特征 每一棵树选取固定数量的样本集，固定数量的特征集即 总样本集和总特征集的子集构建的决策树注意 有放回抽取 3.集成学习投票决定 【GBDT梯度上升决策树】 1.GBD...

楼主学NLP的小渣渣讲一个实习讲一个项目SVM讲一下Ensemble讲一下bagging和boosting分别改善了偏差和方差的哪一个偏差和过拟合的关系学过数据库？底层结构了解吗？讲一下B+树InnoDB和另一个...了解吗深度学习了解吗用过LSTM？讲一下？是自己写还是用的开源？推荐系统了解吗知道哪些？协同过滤了解吗？基于用户和基于item的协同过滤用户冷启动和item冷启动应该用什么策略冷启动有EE和 正好看到过Bandit 大概讲了一下Bandits面试大佬装作严肃的样子🤔

1.循环神经网络RNN 1.1.序列模型 1.1.1 应用 语音识别 情感分类 机器翻译 1.1.2为什么不能用CNN？效果不好 · 序列之间的关联性· 输入输出长度不固定 1.2.循环(递归)神经网络 1.2.1 类型 一对一：固定输入到输出 如图像分类一对多：固定输入到序列输出 如图像的文字描述多对一：序列输入到固定输出 如情感分析多对多：序列输入到序列输出 如机器翻译，也称为编解码网络同步多对多：同步序列输入到同步输出 如文本生成 每帧视频的分类 序列生成 1.2.2 基础循环网络 xt:表示每一个时刻的输入ot:表示每一个时刻的输出st:表示每一个隐层的输出 中间⭕️是cell细胞 一...

Word2vec One-hot与Word2Vec 首先要与更早出现的one-hot编码进行对比。词典大小为N，one-hot编码可以将每个词就表示成一个⻓度为N的向量，只有第i位(i取0到N-1)为1，其他位置为0。one-hot编码构造简单，但是却很难标示出词与词之间的关系。以我们所熟悉的余弦相似度举例：man与woman、man与orange的余弦相似度都为0。显然，并不具备什么区分度，很难表示出词的相似关系。针对这个问题，提出了Word2Vec工具。Word2Vec将每个词表示成定长的向量，并利用这些特征维度标示出词的相似关系。举例，每个词的维度可能包括：性别、年龄、是否是食物、等等....

面试官特别可爱...      自我介绍   写了个快排   项目介绍    分类问题损失函数：交叉熵   L = - [ylogy^+(1-y^)log(1-y^)]    神经网络最后一层的激活函数用什么   ——二分类用sigmoid；多分类用softmax；前面用Relu   sigmoid为啥适合二分类 梯度是什么形式   ——我都画图解答的...   Relu的形式   AUC了解吗 会计算吗   信号不太好...你再介绍一个项目吧      介绍了一下他们的工作内容      感觉什么都没问就结束了...

自我介绍   实习项目介绍   机器学习和传统统计模型的差异   CNN...忘了问了啥 感觉游戏因为是动画场景 会比较考察CNN的了解   分类器的评判   n-gram数据稀疏问题      游戏场景测试...对我来说有点难...      操作系统和计算机网络的基础知识也问了一些 印象不深      最后问了个智力题 几个人用一盏灯走夜路过桥的问题...      数据结构与算法——   合并两个有序的list

一面：   个人——   自我介绍   项目介绍   推文作者识别的项目用CNN怎么处理      操作系统——   进程和线程   多进程和多线程适用场景   IO比较慢用啥   Python 线程怎么用   Python的内存管理机制 重点是垃圾回收      算法题——   论坛发言比较频繁的用户 有一个用户发帖数量过半 如何找到他   划重点是出现次数过半 我用的都是两两抵消的思路      计算机网络——   三次握手   拥塞机制      对游戏的理解——   ...我五年没玩过游戏了 勉强说了点高中玩魔兽世界的体验...   优点缺点世界观啥的...   BTW 当时正好魔兽转...

自我介绍   擅长的模型？——我每次遇到这个问题都不知道怎么答   项目介绍：   我做的项目太浅了 小姐姐给了一些改良意见      一些机器学习的基础知识   你知道什么分类算法   L1/L2正则的用处   Word2Vec   逻辑回归 为啥要做特征离散化——我当时有点懵了 就答了个快   决策树了解吗 随机森林了解吗 随机森林怎么做NLP   NLP怎么处理文本特征      代码题：   排序 奇数在前 偶数在后   我用了python自带的 append和pop      开放性问题：   没有任何用户行为的用户如何做推荐   大量用户行为的用户如何做推荐      面试的时候起...

因为是投的社招途径 谢谢大佬捞我给我机会...      2-3分钟自我介绍   挖项目   n-gram   项目的意义（为了做作业...      逻辑回归...   交叉熵和最大似然 损失函数的区别    LR可以处理非线性问题吗      你用了Bi-LSTM 讲讲LSTM吧   你说可以缓解RNN的梯度消失和梯度爆炸，讲一下梯度消失和梯度爆炸   有什么其他方法可以解决   Relu函数      SVM讲一下   SVM可以处理非线性问题吗      讲一下决策树怎么选择分裂点   讲一下GBDT

上来手写两道代码题...   1.将m x n的矩阵的0元素对应的行和列的其他元素变为0   我的思路就是两个list，一个记录哪一行有0，一个记录哪一列有0   然后逐行，逐个判断要不要变0   暴力破解了吧算是...   2.找出n个里面最小的k个   说了几个思路   让随便写一个 我就写了快排的...感觉好写      之后就全是机器学习的基础问题了      逻辑回归的原理和损失函数的推倒   最大似然估计的作用   提到了梯度下降 讲一下梯度和导数的区别   随机梯度下降和批量梯度下降的区别   AUC含义   学习率大小的区别   学习率的自动学习 Adam AdaGrad   ...

机器学习   ROC曲线 AUC   PR曲线   决策树启发函数   逻辑回归和线性回归的区别   归一化的作用   特征工程的作用   特征归一化的作用   word2vec      计算机网络   七层模型和四层模型   tcp在哪一层   四次挥手为什么多一次   udp和tcp的区别   udp的应用场景   拥塞控制      操作系统   堆栈的区别   临时变量写在哪      数据库   索引结构   索引位置   事务的工作原理

最近会陆陆续续发一些面经给学弟学妹...攒个人品      4月回国开始找工作 大概找了两个月... 陆陆续续也拿到了一些offer   所以大家一时间没有offer 也不要心灰意冷   只要多投 然后让面试官看到你的潜力和努力 就一定可以的   然后一定要多复盘 因为面试官其实问的问题都比较常见   嗯！大家加油鸭！      专业相关   讲一个项目 成果如何 如何改进   k-means      Python   内存管理   垃圾回收机制   python实现删除数组中相同的元素 不能改变顺序       一开始想用set() 后来面试官提醒我set会改变顺序 就用了字典      ...

最近会陆陆续续发一些面经给学弟学妹...攒个人品   4月回国开始找工作 大概找了两个月... 陆陆续续也拿到了一些offer   所以大家一时间没有offer 也不要心灰意冷   只要多投 然后让面试官看到你的潜力和努力 就一定可以的   然后一定要多复盘 因为面试官其实问的问题都比较常见   嗯！大家加油鸭！      计算机网络   tcp三次握手   为啥是三次握手不是两次握手 问了两个原因   tcp拥塞控制和流量控制的区别   tcp拥塞   网络编程(我没做过      数据库   最左匹配原则   Innodb   索引 B树和B+树的区别   隔离级别   乐观锁和悲观锁  ...