贝壳NLP算法面经
笔试时间:8.11 (3.2/4)
面试时间8.15,123面一共俩小时
一面
1.LDA基础知识
2.LSTM梯度消失/爆炸
记不清了
二面
1.自我介绍
2.项目介绍
3.LDA主题数目确定
4.Gibbs采样和变分推断
5.GIbbs优化目标是什么
6.Gibbs采样与变分推断的优缺点
7.常用的模型(LSTM+BERT),训练语料
8.BERT原理
9.Bert与LSTM比较
10.样本不平衡的处理方法
11.了解NER么
12.统计类模型了解么 阴马
13.编程语言用什么,C++会么
14.embedding的方法(word2vec \glove\ fasttext)
15.glove 与word2vec的区别
16.LR,SVM与XGboost了解么,介绍一下
17.GBDT,Xgboost的区别,Xgboost分布式计算是计算什么
18.代码:写快排
HR面
1.实习经历,
2.说一个印象最深的项目,收获
3.今后还做这个方向么
4.目前关注的公司
5.对贝壳了解么
6.可以实习么
7.在哪个校区
8.反问(两周之内给结果)
1.LDA基础知识
2.LSTM梯度消失/爆炸
记不清了
二面
1.自我介绍
2.项目介绍
3.LDA主题数目确定
4.Gibbs采样和变分推断
5.GIbbs优化目标是什么
6.Gibbs采样与变分推断的优缺点
7.常用的模型(LSTM+BERT),训练语料
8.BERT原理
9.Bert与LSTM比较
10.样本不平衡的处理方法
11.了解NER么
12.统计类模型了解么 阴马
13.编程语言用什么,C++会么
14.embedding的方法(word2vec \glove\ fasttext)
15.glove 与word2vec的区别
16.LR,SVM与XGboost了解么,介绍一下
17.GBDT,Xgboost的区别,Xgboost分布式计算是计算什么
18.代码:写快排
HR面
1.实习经历,
2.说一个印象最深的项目,收获
3.今后还做这个方向么
4.目前关注的公司
5.对贝壳了解么
6.可以实习么
7.在哪个校区
8.反问(两周之内给结果)
后续:凉
#贝壳找房##算法工程师##面经##校招#