在IT圈混飯吃特恬，不管你用什么編程語言寝贡、從事前端還是后端悼吱，阻塞沸停、非阻塞、異步疾宏、同步這些概念张足，都需要清晰地掌握，否則坎藐，怎么與面試官談笑風(fēng)生（chui niu pi）为牍？但是哼绑，掌握這...
發(fā)簡信
IP屬地：北京
-
那些年讓你迷惑的阻塞捉貌、非阻塞怒竿、異步烈涮、同步 -
機(jī)器學(xué)習(xí)面試之LSTM
在深度學(xué)習(xí)中，RNN已經(jīng)成為標(biāo)準(zhǔn)組件碉咆，很多領(lǐng)域都要用到抖韩，LSTM則是最經(jīng)典的RNN結(jié)構(gòu)。所以面試時是必問的疫铜，最基本的面試題就是要說清楚LSTM的結(jié)構(gòu)茂浮。本文試圖對其結(jié)構(gòu)進(jìn)行淺顯...
-
機(jī)器學(xué)習(xí)面試之歸一化與標(biāo)準(zhǔn)化
在機(jī)器學(xué)習(xí)的面試中，數(shù)據(jù)是否需要?dú)w一化和標(biāo)準(zhǔn)化是個常見問題壳咕。之所以常見席揽，是因?yàn)樗泻芏喟悼樱總€暗坑都可以考察應(yīng)聘者機(jī)器學(xué)習(xí)基礎(chǔ)是否扎實(shí)谓厘。 1幌羞、先說是什么，再說為什么 歸一化...
-
機(jī)器學(xué)習(xí)面試之最大熵模型最大熵模型屬于運(yùn)用最大熵原理的多分類模型竟稳，這個模型在面試中經(jīng)常會與邏輯回歸一起問属桦，比如，為什么說二者是類似的他爸？要解答這個問題聂宾，需要對兩個模型的原理都有清晰的理解，很多面試者雖...
-
機(jī)器學(xué)習(xí)面試之邏輯回歸輸出的值是真實(shí)的概率嗎讲逛？邏輯回歸作為被廣泛使用的二分類模型亏吝，面試中自然是不可缺少的岭埠。但要深刻理解邏輯回歸又不是那么容易的盏混，比如說，邏輯回歸輸出的值是0到1之間的值惜论，這個值是真實(shí)的概率嗎许赃？邏輯回歸為什...
-
機(jī)器學(xué)習(xí)面試之MSE與CE的區(qū)別？MSE和CE是機(jī)器學(xué)習(xí)中常見的兩種損失函數(shù)馆类，在訓(xùn)練神經(jīng)網(wǎng)絡(luò)中混聊，也經(jīng)常用到，但是如何深刻地理解二者的異同乾巧，卻不是容易輕松搞定的句喜。本文從模擬面試的角度嘗試對這一問題作出解讀。 精...
-
機(jī)器學(xué)習(xí)必須熟悉的算法之word2vector（一）word2vector已經(jīng)成為NLP領(lǐng)域的基石算法沟于。作為一名AI 從業(yè)者咳胃，如果不能主動去熟悉該算法，應(yīng)該感到臉紅旷太。本文是一篇翻譯的文章展懈，原文鏈接是：http://mccorm...
-
機(jī)器學(xué)習(xí)必須熟悉的算法之word2vector（二）在上一篇文章中销睁，我們簡述了skip gram版word2vector的基本原理，留下一個問題待解決存崖，那就是網(wǎng)絡(luò)非常大冻记，這將導(dǎo)致如下幾個困難：1、在上面訓(xùn)練梯度下降會比較慢来惧；2...
-
機(jī)器學(xué)習(xí)面試之有必要手推SVM嗎(2)?
上篇文章中冗栗，我們介紹了SVM的基本思想，并將其推導(dǎo)成了一個數(shù)學(xué)問題供搀，今天的任務(wù)贞瞒，就是解決如何求解這個數(shù)學(xué)問題，同時趁曼，回答上篇文章中提出的第二個問題： 如果將正負(fù)樣本分開的超平...