一、機器學習單模型1、lr的損失函式的公式和函式
2、lr的推導過程
3、lr如何解決共線性，為什麼深度學習不強調
4、lr如何防止過擬合
5、lr分布式訓練怎麼做
6、lr為什麼使用sigmoid
7、svm的損失函式
8、svm的推導過程
9、svm怎麼擴充套件到多分類問題
10、svm分類泛化，svm回歸泛化
11、lr和svm的區別
12、gini係數、資訊增益、資訊增益率的公式
13、cart回歸和分類時節點如何劃分的
14、決策樹將乙個特徵全部乘以2會有什麼影響
15、深度學習中反向傳播演算法的推導，梯度消失與梯度**
16、貝葉斯原理
17、l_bfgs，dfp推導
18、kmeans演算法，如何選擇k的個數
19、dbscan介紹
20、gmm演算法
21、ubm-gmm模型
整合學習
1、boosting 和bagging的比較
2、xgb的推導
3、xgb為什麼要用二階資訊不用一階
4、xgb的vc維
5、lgb、xgb的區別和聯絡，並行是如何並行的
6、gbdt的原理，以及常用的調參的引數
7、xgb與gbdt的比較
8、rf怎麼進行節點劃分
9、gbdt和rf的比較
10、stacking方法
特徵工程
1、如何判斷特徵的有效性
2、特徵選擇的幾種方法
3、為什麼要做資料歸一化，在梯度下降時有什麼好處
評價指標
1、評價指標及含義
2、auc理解和計算方法
3、樣本分佈不均衡時，怎麼訓練怎麼評價
損失函式、優化函式、核函式
1、各種核函式的比較與使用場景
2、牛頓法的原理及求解sqrt
3、sgd、momentum和adam的區別和聯絡
4、gd和sgd等的區別
5、各個損失函式的形式與區別
6、交叉熵損失公式及推導
7、偏差和方差的區別
正則化、降維、過擬合
1、l1和l2的區別與應用場景
2、各個模型如何防止過擬合
3、使得|x_1 - x*| + … + |x_n - x*|最小的x*
4、svd在遇到資料特別多的時候會產生一定的問題？如何解決？
5、pca的原理
6、pca與svd之間區別和聯絡
二、深度學習
cnn相關
1、各個cnn模型之間的比較，例如inception、vgg、resnet等
2、cnn的模型結構與原理
3、pooling的作用
4、dropout的理解
5、bn原理及為什麼可以工作
6、resnet的原理
7、膠囊網路的原理
8、alphago的原理
9、data augmetaion方法
10、1x1卷積核的作用
rnn相關
1、lstm的結構、原理及引數數量
2、梯度消失原因，解決方法，為什麼lstm可以避免梯度消失
3、gru與lstm的不同
4、rnn模型的演變過程
5、rnn中的正則化方法：ar以及tar
模型比較、訓練
1、深度學習中的過擬合，如何解決
2、梯度消失梯度**的原因及解決方法
3、模型訓練停止方法
4、rnn和cnn的對比
三、推薦演算法
1、fm模型的具體公式，ffm的改進
2、個性化推薦的常用模型
四、nlp相關
1、word2vec原理，cbow和skip-gram的訓練過程，負取樣
2、tf-idf原理
3、fasttext的改進
4、sentence-embedding模型
5、doc-embedding模型
6、情感分析怎麼做
7、序列標註的理解
五、概率論
1、如何衡量兩個分布的相似度
2、crf推導
3、統計中的p值和alpha值
4、常問問題：摸撲克牌、硬幣、五福的期望等
六、框架
1、hadoop，hive，spark相關理論
2、tensorflow的圖計算模型
3、with關鍵字
4、模型儲存的相關描述
5、session是什麼
七、語言
1、c++裡面的多型
2、python numpy經典題目
3、zip作用
4、python異常處理
5、常見的知識點（實現乙個0、1過濾器等簡單手撕**題）
八、其他基礎
MySQL必知必會知識點1
mysql 使用到預設埠是 3306 mysql 在執行匹配時預設不區分大小寫。選擇資料庫 usedatabasename 了解資料庫 show databases 了解資料庫中的表 show tables 從表中選擇特定的列 selectcolumnname from tablename 從表中選...
mysql必知必會知識點彙總
摸魚看完的書，筆記扔在這裡記錄一下 in的最大優點?in能夠包含其他select語句 mysql中not支援對什麼語句進行取反?not支援對in between exists取反 mysql中like是什麼?like是謂詞，不是操作符 null能被 萬用字元匹配嗎?null不能被 萬用字元匹配 使用...
python的必知小知識點
hello,s name hello,bob hey name s,there is a 0x errno x error 結果 hey bob,there is a 0xbadc0ffee error hello,format name hello,bob hey there is a 0x er...