UsingAI-算法实习生(数学方向)面经分享(10分钟)
题目:
1.继承和封装的特性
2.Python中的多线程是真的多线程吗?是怎么实现的
3.l1和l2正则化的对比(深度,收敛速度)
4.神经网络的学习因子过大会导致什么
5.卷积神经网络的核函数是越大越好的吗
6.对于很大的数据集,怎样提高决策树的效率
7.什么是模型过拟合,又怎么处理
8.k值分类以文本分类为例的过程是怎么样的,k值怎么确定(脑子一抽没反应过来问的是K-means,用SVM分类和决策树分类代替回答)
可能还有1~2题不记得,但大致的就是以上这些回答了。
总结:
笔者是大三萌新勇闯算法实习生,通过这次面试大致了解了面试中所谓的“八股”是什么样的,既看到了自己的进步和成长,更看到了自己的不足。二面通知在3~4天或者最晚1周左右联系,祝我好运!
预告:
明天辛恩励-GPTs应用实习生