机器学习实习生

问题： 1. GRU和LSTM的区别； 2. 介绍优化算法，例如Adam； 3. 集成学习 -- Stacking的原理； 4. LSTM如何克服梯度消失； 5. GBDT和XGBoost的区别； 6. 如何对outlier进行处理。 7. 如何对已有特征做特征重要性排序； 8. 算法：检验一颗二叉树是否是搜索二叉树。 ...查看更多

1.自我介绍。 2.为什么要应聘算法，想从事哪个方面的的算法岗？ 3.讲讲你的项目（后续针对项目提出了很多细节性和技术性问题）。 4.数据结构了解吗？二叉树？图？堆栈？ 5.经典的算法学过哪些，有实现过吗？ 6.简单介绍一下聚类，并用他做过什么？ 7.介绍一下随机森林。 8.随机森林的随机性体现在哪里？ 9.如果发现自己的算法过拟合很严重，应该如何处理？ 10.正负样本不平衡时应该怎么做？ 11.会哪些编程软件？JAVA?c++? ...查看更多