必收藏的人工智能面试

开课吧开课吧锤锤2021-03-29 17:29

    大部分的AI公司都会有一个典型的面试流程:通常是一到两轮电话面试(包括代码),然后是现场面试。约2-5轮面试由3-5名不同的小组成员单独进行,面试过程中基本上会有2-3个问题涉及到数据科学/机器学习算法,包括研究和模型。其余都是测试编程技巧。

ai

    深度学习和过往的神经网络训练方法有什么区别?列举几种深度学习的lossfunction,并说明意义

    深度学习是一种方法,神经网络是个模型,深度学习方法呢可以有效解决层数多的神经网络不好学习的问题,为了让层数较多的多层神经网络可以训练,能够起作用并演化出来的一系列的新的结构和新的方法;

    结构:一般分为两大阵营,CNN,RNN,感觉这里欠妥,请指正。

    方法:权重初始化方法(逐层初始化,XAVIER等),损失函数,防止过拟合方法(Dropout,BN等)。

    这些方面主要都是为了解决传统的多层神经网络的一些不足:梯度消失,过拟合等。

    分类问题常用的损失函数:

    (1)交叉熵损失函数,也称作softmax损失函数,可用于解决多分类问题,通过指数化将输出转换成概率的形式;

    (2)合页损失函数,一般情况下,交叉熵损失函数的效果优于合页损失函数;

    (3)坡道损失函数,对离群点或者噪声的抗干扰能力强,是一种鲁棒性的损失函数,对误差较大的区域会进行截断;

    (4)大间隔损失函数,保证能够正确分类的同时,还满足增大类间的差异,提升了特征的分辨能力,防止网络发生过拟合;

    (5)中心损失函数,保证能够正确分类的同时,还满足减少类内的差异,提升了特征的分辨能力;

    回归问题常用的损失函数:

    (1)l1损失函数,衡量的是预测值与真实值之间的偏差;

    (2)l2损失函数,效果优于l1;

    (3)tukey‘sbiweight损失函数,是一种具有鲁棒性的损失函数;

    其他任务的损失函数:

    KL散度损失函数,衡量的是样本标记分布与真是标记分布的差异,可用于年龄估计等。

    以上就是为大家准备的面试题,如果对AI面试题感兴趣,不妨点击下方图片,免费领取课程。

ai

    一份好的学习资料,可以使想学的人快速成长,一份对的资料,可以使你学习的速度更快,所以赶快领取吧。

有用
分享