网易互娱 深度强化学习岗面经

一面：（基础面）
part1 深度学习
1.分类，聚类，回归区别
2.激活函数的作用
3.卷积的计算（1*1*n）
4.常见的CNN架构
5.训练集，验证集，测试集
6.正则化操作常见的都有哪些，batch normalization思想
7.梯度爆炸和梯度消失原因，解决策略
8.过拟合原因，解决方案
9.learning rate过小、过大的结果，learning rate decreasing
10.cnn的参数共享是什么

part2 强化学习 
1.mc,td,动态规划之间的区别与联系
2.off-policy和on-policy
3.tensorflow的降维
4.简述q learning

代码：
input:1，2，3，4,5,7,9,11,12,13,18 
output:1,5,7,9,11,13,18
删除中间连续数字，保留头尾。如果不连续就输出单个数字。

二面：（感觉像技术+hr）
1.介绍你对强化学习的了解，主要分几类，分别有哪些算法，主要思想是什么
2.谈论文，2篇论文分别解决了什么问题，主要用到了什么算法
3.假如面试官是一个零基础的深度学习学习者，那么有什么建议，如何入门？
4.论文中的方法有多少是自己提出的？论文中的代码/平台是自己完全手动搭建的，还是在别人基础上改的？
5.强化学习在游戏中能有哪些应用？该怎么实现？
6.评价自己导师
7.平时玩游戏多吗，都玩过哪些游戏
8.如果来实习，导师会同意吗？

三面：(感觉像技术总监/部门主管)
1.除了论文外，是否还有其他机器学习实际应用的项目经历
2.游戏经历
3.情景题，强化学习在游戏中的应用，问的很细，很深
4.啥时候能来实习
5.平时周末在干嘛
6.什么时候开始接触机器学习
7.怎么知道的这个岗位的信息
8.还投了其他公司吗，什么岗位
#网易互娱##面经##算法工程师##机器学习#