发简信
IP属地：天津
-
机器学习面试之生成模型VS判别模型
生成模型和判别模型是机器学习中两类基本的模型，在机器学习面试中，经常会被问到。能否清晰简明地说明二者的不同，直接影响到面试官对求职者基础知识掌握...
-
那些年让你迷惑的阻塞、非阻塞、异步、同步在IT圈混饭吃，不管你用什么编程语言、从事前端还是后端，阻塞、非阻塞、异步、同步这些概念，都需要清晰地掌握，否则，怎么与面试官谈笑风生（chui...
-
机器学习面试之LSTM
在深度学习中，RNN已经成为标准组件，很多领域都要用到，LSTM则是最经典的RNN结构。所以面试时是必问的，最基本的面试题就是要说清楚LSTM的...
-
机器学习面试之最大熵模型最大熵模型属于运用最大熵原理的多分类模型，这个模型在面试中经常会与逻辑回归一起问，比如，为什么说二者是类似的？要解答这个问题，需要对两个模型的原...
-
机器学习面试之归一化与标准化
在机器学习的面试中，数据是否需要归一化和标准化是个常见问题。之所以常见，是因为它有很多暗坑，每个暗坑都可以考察应聘者机器学习基础是否扎实。 1、...
-
机器学习面试之逻辑回归输出的值是真实的概率吗？逻辑回归作为被广泛使用的二分类模型，面试中自然是不可缺少的。但要深刻理解逻辑回归又不是那么容易的，比如说，逻辑回归输出的值是0到1之间的值，这个...
-
机器学习面试之MSE与CE的区别？MSE和CE是机器学习中常见的两种损失函数，在训练神经网络中，也经常用到，但是如何深刻地理解二者的异同，却不是容易轻松搞定的。本文从模拟面试的角...
-
机器学习必须熟悉的算法之word2vector（二）在上一篇文章中，我们简述了skip gram版word2vector的基本原理，留下一个问题待解决，那就是网络非常大，这将导致如下几个困难：1、...
-
机器学习必须熟悉的算法之word2vector（一）word2vector已经成为NLP领域的基石算法。作为一名AI 从业者，如果不能主动去熟悉该算法，应该感到脸红。本文是一篇翻译的文章，原文链接...