240 发简信
  • 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...

    3.2 4254 2 23
  • 120
    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...

    1.7 6514 7 34
  • 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...

    2.0 14481 3 29 1
  • 120
    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、...

  • 120
    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...

    1.4 14049 17 48 2
  • 120
    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...

  • 120
    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、...

    0.9 7585 6 27 1
  • 120
    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...

    3.2 27246 2 94 2