深度學習崗位面試問題整理筆記

**

更新幾個面試被問到或者聯想出來的問題，後面有時間回答

監督學習／遷移學習／半監督學習／弱監督學習／非監督學習？

softmax loss推一下

－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－

本筆記主要問題來自以下兩個問題，後續會加上我自己面試過程中遇到的問題。

深度學習相關的職位面試時一般會問什麼？會問一些傳統的機器學習演算法嗎？

如果你是面試官，你怎麼去判斷乙個面試者的深度學習水平？

以下問題來自@naiyan wang

為什麼很多做人臉的*****會最後加入乙個local connected conv？

以下問題來自@抽象猴

對所有優化問題來說, 有沒有可能找到比現在已知演算法更好的演算法?

何為共線性, 跟過擬合有啥關聯?

廣義線性模型是怎被應用在深度學習中?

以下問題來自匿名使用者

loss. 有哪些定義方式（基於什麼？）， 有哪些優化方式，怎麼優化，各自的好處，以及解釋。

activation function. 選用什麼，有什麼好處，為什麼會有這樣的好處。

深度學習崗位面試問題整理筆記

更新幾個面試被問到或者聯想出來的問題，後面有時間回答 監督學習 遷移學習 半監督學習 弱監督學習 非監督學習？softmax loss推一下 本筆記主要問題來自以下兩個問題，後續會加上我自己面試過程中遇到的問題。深度學習相關的職位面試時一般會問什麼？會問一些傳統的機器學習演算法嗎？如果你是面試官，你...

機器學習崗位面試問題彙總 之 深度學習

自己結合網路內容總結，歡迎指正歡迎補充。最新更新 20170624 版本2 增加22 28 1.模式識別 機器學習 深度學習的區別與聯絡 模式識別 過去 程式 機器做智慧型的事 決策樹等 機器學習 熱點領域 給資料 學習資料 深度學習 前言領域 強調模型 2.早年神經網路被淘汰的原因 耗時 區域性最...

機器學習崗位面試問題總結 Tencent

tencent的 面試一般都不會提前溝通，因此投遞完簡歷之後，需要保持 隨時暢通，並準備一篇自我介紹，3 5分鐘左右。q1 支援向量機，最後為什麼選擇對偶來求解？1 對偶問題將原始問題中的不等式約束轉化為等式約束 2 方便了核函式的引入 3 降低了問題的複雜度 由求特徵向量w轉化為求比例係數a，在原...