面经详情

机器学习面试很好,共1轮面试
  • 一面:自我介绍姓名 学校 哪个院 方向 成绩 介绍项目:
  • 介绍了简历上前两个项目,重点是如何处理数据的,数据集里都有哪些参数,预测什么参数(这边确实不清楚,但是圆过去了,得补充)
  • 图像怎么去噪的(这个问题也问了,但是没具体讲)(需要自己补充)反问:公司时长,是否双休?(半小时)
  • 二面:自我介绍介绍项目:
  • 第三个项目 和第一个项目 还是如何处理的数据的 数据集中有哪些参数(我就说了三个:风力大小,功率,相对位置) 是否为预测(补充:对数据的熟悉)
  • 第一个项目:叙述了怎么处理数据的,随机切分 构建数据集 等等 多性能预测 故障预报(0/1分类问题,以后我们需要做的东西 最后做的准确率是多少,宁愿误报也不能漏报)
  • 反问: 公司待遇:14k*13+年终奖(部门效益,个人绩效完成工作) 五险一金 无加班费 (半小时)
  • 总结:完善简历里对项目的深度了解了解,写上去了 就很有可能被问到。其他根本没问八股文基础知识

相关推荐

银河系打孔器药店
机器学习
确定通过确定通过
首先,我是通过我的研究生导师推荐给一个熟悉的主管研究员进入面试流程的。在这里要感谢我的导师,他的推荐让我顺利地进入了面试阶段。面试全程采用电话进行,整个过程大约持续了45分钟。面试主要包括以下几个方面:学习和科研经历:面试官首先询问了我的学习经历,包括我的专业、研究方向以及在校成绩等。接着,我们聊到了我的科研经历,包括我曾经参与过的项目和发表过的论文。感兴趣的科研方向:面试官对我感兴趣的科研方向进行了深入了解,询问了我为什么选择这个方向,以及我在这个领域的研究成果。我详细地介绍了我在机器学习和边缘计算方面的研究成果和目前正在进行的项目。过往论文实现细节和insight:面试官对我发表的部分论文表示出浓厚兴趣,追问了论文的实现细节以及我在研究过程中获得的insight。我尽可能详细地回答了面试官的问题,包括模型结构、优化方法、实验设计等方面的内容。整个面试过程比较轻松,主要是对我的学术背景和研究方向的了解。面试官非常友好,提问也比较深入,让我感受到了亚洲研究院的专业氛围。最后,我想说的是,面试准备要充分,对自己的研究方向和过往成果要有深入的了解,这样才能在面试中展示出自己的实力。祝愿大家面试顺利!...查看更多
2023-04-05 发布
匿名用户
机器学习
未通过感觉没戏
先是自我介绍。因为所做项目和岗位匹配度很高,面试官也是同方向的,所以让我很详细地介绍了项目过程。介绍完成后对于项目细节提了很多问题,如:   · 如果让现在的你去做本科时候入门的限速标识检测你会怎么做;(引入机器学习,大规模收集test sample,不囿于限速标志);   · 怎样用机器学习的思想完成你本科项目中对于数字的识别部分【我回答的不是很到位,面试官补充道:你想想你自己用肉眼识别总结数字特征规律和机器学习的方法有什么区别和共同点(具体问法忘了)】;(我自己肉眼识别,在sample数很小的情况下,光凭观察看出特定数字的矩阵内数字分布情况;但如果是机器学习,计算机起初不知道怎样的特征对应着什么数字,我们就输入很大的一个sample set,通过sample 和lable的对应来让机器判断怎样的特征属于什么数字)   · 怎样用机器学习的方法来解决最初的分割特定的包含着限速标志的区域?(懵了,这个步骤在我心里一直属于预处理的阶段。我的回答是:交通标识的形状特征和颜色特征都是很明显的。可以把这个问题转化成颜色识别和形状识别。在我当初的做法中,因为处理的照片都是我自己拍摄的,它们的颜色特征和形状特征都很明显。但是如果要运用到实际生活当中,在不同光照环境和角度的情况下,颜色信息和形状信息都很不明显,所以需要用大量的训练集,通过机器学习的方法让计算机知道怎样的颜色区间和形状区间属于限速标志,从而分割出特定区域)【我简直觉得我在不懂强答。。。】      最后一个问题你的神经网络里用到了一个ReLu的激活函数,你说一说这个激活函数比传统的Sigmiod函数好在哪儿。(我简直要哭出来了,果然这么经典的问题又问了一遍。果断直接说:首先二者的数学公式不同blahblah,Relu的优点在于1.计算量比Sigmoid小,因为blahblah;2.解决了梯度消失的问题,因为blahblah;3.有一个更低的激活率,因为blahblah,所以ReLu更好)。 ...查看更多
包含1个问题,1个回答
Q:神经网络里用到了一个ReLu的激活函数,你说一说这个激活函数比传统的Sigmiod函数好在哪儿。
2 年前 发布

进入微信小程序

前往微信小程序,查看更多结果

立即前往
看准网安徽科大迅飞安徽科大迅飞面试经验安徽科大迅飞面试经验:机器学习面试很好,共1轮面试
正在招聘软件开发-仪表开发200 个岗位