AI算法工程师岗位面试常见35题

开课吧小白2021-04-13 16:58

点赞
有用
分享分享

时代在变化,行业在发展,如今面试会问些什么早已经和当年不同了。但不管怎么说,这个岗位以及面试官对于人才的核心诉求几乎是没有变过的,我们从核心出发去构建简历、准备面试,相信一定可以有所收获。

以下整理分享给大家35道AI算法工程师岗位面试常见的问题:

1.为什么LR用交叉熵损失而不是平方损失 

2.为什么SVM要引入核函数? 

3.SVM核函数有哪些? 

4.GBDT和 AdaBoost区别 

5. XGBoost和GBDT的区别 

6.K- Means的迭代循环停止条件 

7. Bagging和 Boosting的区别 

8.为什么朴素贝叶斯被称为“朴素”? 

9.决策树的ID3和C45介绍一下 

10.随机森林处理缺失值的方法 

11.机器学习中的分类、回归和聚类模型有哪 

12.CRF的损失函数是什么? 

13.特征值和SVD的区别 

14.如何查找分类器的阈值?

15.后勤回归与支持矢量机有什么区别?你会用一个比另一个的情况的例子是什么?

16.解释ICA和CCA。如何从 PCA 获得 CCA 目标功能?

17.PCA与多面体内核和单层自动编码器之间的关系是什么?如果它是一个深自动编码器呢?

18.随机森林中的"随机"是什么?如果您在随机森林中使用物流回归而不是决策树,您的结果将如何更改?

19.曲线下的中华民国区域作为整体的解释是什么?

20. ResNet为什么不用 Dropout? 

21.神经网络怎样进行参数初始化? 

22.介绍卷积神经网络的反向传播 

23.CNN模型所需的计算力(fops)和参数( parameters)数量是怎么计算的? 

24.感受野怎么计算? 

25.介绍常见的正则化方法 

26.BN可以防止过拟合么?为什么 

27.BN在训练和测试的区别? 

28. Dropout在训练和测试的区别 

29.1*1卷积有什么作用? 

30.什么是 Battlenet layer? 

31.介绍一下 nception系列(V1-V4) 

32. Squeeze- Excitation结构是怎么实现的? 

33.介绍一下组卷积 

34. MobileNet系列为什么快? 

35.假设有一个具有数千个不同值的分类变量,如何编码它?

对AI人工智能学习感兴趣的同学可以听一下这节公开课,海外博士带你稳过AI技术面,限时免费,点击下方图片领取。

AI

有用
分享