银联智策-数据分析-一二三面

一面 视频面试 30min
挖简历+一些机器学习模型知识的考查
感觉还是挺看重建模经历的
难度不大,交流很顺畅。
上午面完的,下午就通知复试了,流程很快。

二面 视频面试 30min
应该是部门主管
挖简历
问了一下毕业论文的情况
讲了一下这个岗位的一些具体情况
态度很好,交流很舒服。
大概三天内也出了面试结果。

三面 线下 HR主管面
一些常规问题,评价一下自己等等
问了一下期望薪资
聊了大概15min

公司地段和环境都很好,面试官都非常好,像朋友在交流。
三面后一周左右收到oc
10.13日一面到10.21日三面完,流程很快,应聘体验很好。
#面试##秋招#
全部评论
可以问一下面试大致内容吗
1 回复 分享
发布于 2023-09-12 17:19 江苏
兄弟你去了吗?我想向你了解下这个公司的情况呢
点赞 回复 分享
发布于 2023-09-15 10:54 浙江
礼貌求bg
点赞 回复 分享
发布于 2022-12-09 11:38 上海
兄弟,可以说下笔试题目类型吗
点赞 回复 分享
发布于 2022-10-29 20:34 上海
可以问一下timeline嘛
点赞 回复 分享
发布于 2022-10-28 18:15 上海

相关推荐

微调(Fine-tuning)是机器学习中一种迁移学习技术,指在预训练模型(如BERT、GPT、ResNet等)的基础上,通过少量特定领域或任务的数据进一步调整模型参数,使其适应新任务。其核心思想是利用预训练模型的通用知识(如语言理解或图像特征提取能力),通过针对性训练提升模型在特定任务上的性能。微调的核心作用1. 节省资源:无需从头训练,减少计算成本。2. 提升性能:预训练模型已学习通用特征,微调能快速适应新任务。3. 小数据友好:适合数据量有限的任务。微调的主要方式1. 全参数微调(Full Fine-tuning)- 方法:解冻预训练模型的所有参数,用新数据更新全部权重。- 适用场景:数据量充足,任务与预训练任务差异较大。- 缺点:计算成本高,可能过拟合小数据集。2. 部分参数微调(Partial Fine-tuning)- 方法:冻结部分层(如底层),仅更新顶层参数。- 冻结策略:预训练模型的底层通常学习通用特征(如语法、低级视觉特征),可冻结;顶层更接近任务,需调整。- 适用场景:数据量较少,任务与预训练任务相似。- 示例:冻结ResNet的前几层,仅微调最后几层用于医学图像分类。 #产品经理#  #牛客激励计划#  #数据人的面试交流地#  #聊聊我眼中的AI#  #面试时最害怕被问到的问题# #牛客AI配图神器#
点赞 评论 收藏
分享
评论
6
11
分享

创作者周榜

更多
牛客网
牛客企业服务