OD体育
Mou Mou Jidian Generator
发电机维修 发电机回收
发电机出售 发电机租赁
客户统一服务热线

0771-70252471
12171147602

您的位置: 主页 > 新闻中心 > 行业新闻 >

2020 BAT大厂深度学习算法面试履历:“高频面经”之深度学习篇

本文摘要:​ 注:深度学习同机械学习相似,注重原理明白、算法对等到多场景实战,同时知识迭代越发迅速,相对于机械学习越发前沿。以下试题为作者日常整理的通用高频面经,包罗题目,谜底与参考文章,接待纠正与增补。

od体育官网下载

​ 注:深度学习同机械学习相似,注重原理明白、算法对等到多场景实战,同时知识迭代越发迅速,相对于机械学习越发前沿。以下试题为作者日常整理的通用高频面经,包罗题目,谜底与参考文章,接待纠正与增补。目录1.反向流传主要思想及推导2.简要概述HMM、CRF、EM、GMM3.权衡分类器优劣指标4.正负样本不平衡的解决措施5.常用激活函数6.Tensorflow的事情原理7.深度学习框架对比8.ResNet原理及与DenseNet对比9.BatchNormalization思想及作用10.卷积层和池化层有什么区别?11.为什么使用小卷积核而不是大卷积核?12.Faster-RCNN跟RCNN有什么区别?13.GRU、LSTM对比14.梯度消失、梯度爆炸原因及解决方案15.Seq2Seq模型明白16.怎么提升网络的泛化能力17.attention机制原理18.GAN网络的思想19.word2vec训练历程20.布隆过滤器原理及场景1.反向流传主要思想及推导 反向流传算法(Backpropagation)是现在用来训练人工神经网络(Artificial Neural Network,ANN)的最常用且最有效的算法。其主要思想是:将训练集数据输入到ANN的输入层,经由隐藏层,最后到达输出层并输出效果,这是ANN的前向流传历程;由于ANN的输出效果与实际效果有误差,则盘算预计值与实际值之间的误差,并将该误差从输出层向隐藏层反向流传,直至流传到输入层;在反向流传的历程中,凭据误差调整种种参数的值;不停迭代上述历程,直至收敛。

2.简要概述HMM、CRF、EM、GMMHMM:隐含马尔科夫模型(hidden Markov model, HMM), 可以用于标注问题的统计学习模型,由隐藏的马尔科夫链,随机生成观察序列的历程,属于生成模型。HMM的三个基本问题为概率盘算问题、学习问题、预测问题。

CRF:条件随机场(Conditional Random Field, CRF),仅讨论在标注问题中的应用,这里主要是线性链(linear chain)条件随机场。CRF模型实际上是界说在时序数据上的对数线性模型。学习方法包罗极大似然预计、正则化的极大似然预计。

优化方法有:革新的迭代尺度法、梯度下降法、拟牛顿法。EM:最大期望算法(Expectation-Maximizationalgorithm, EM)是用于含有隐变量(hidden variable)的概率模型参数的极大似然预计、或极大后验概率预计。EM 是一种迭代算法 每次迭代分两步:E步,求期望;M步, 求极大值。

概率模型, 有时含有 观察变量(observablevariable), 也可能含有隐变量(hidden variable), 或者潜在变量(latent variable)。都是观察变量的话,给定数据,可以直接用极大似然预计法,或贝叶斯预计法预计模型参数,含有隐变量的话,就要用EM.GMM:高斯混淆模型(Gaussian Mixed Model, GMM),指的是多个高斯漫衍函数的线性组合,理论上GMM可以拟合任意类型的漫衍。通常用于解决,同一荟萃下的数据包罗多个差别漫衍的情况(或同一漫衍,但参数纷歧样,或差别类型漫衍)给定一组输入随机变量条件下,另一组输出随机变量条件下,的条件概率模型。

假设输出随机变量组成马尔可夫随机场。3.权衡分类器优劣指标 首先通过下图(混淆矩阵图)相识TP、TN、FP、FN观点:准确率(Accuracy)。顾名思义,就是所有的预测正确(正类负类)的占总的比重。准确率(Precision),查准率。

od体育官网下载

即正确预测为正的占全部预测为正的比例。小我私家明白:真正正确的占所有预测为正的比例。​召回率(Recall),查全率。

即正确预测为正的占全部实际为正的比例。小我私家明白:真正正确的占所有实际为正的比例。

F1值(H-mean值)。F1值为算数平均数除以几何平均数,且越大越好,将Precision和Recall的上述公式带入会发现,当F1值小时,True Positive相对增加,而false相对淘汰,即Precision和Recall都相对增加,即F1对Precision和Recall都举行了加权。

公式转化之后为:ROC曲线。吸收者操作特征曲线(receiver operatingcharacteristic curve),是反映敏感性和特异性一连变量的综合指标,ROC曲线上每个点反映着对同一信号刺激的感受性。

真正的理想情况,TPR应靠近1,FPR靠近0,即图中的(0,1)点。ROC曲线越靠拢(0,1)点,越偏离45度对角线越好。AUC值。

AUC (Area Under Curve) 被界说为ROC曲线下的面积,AUC = 1,是完美分类器,绝大多数预测的场所,不存在完美分类器。0.5 < AUC < 1,优于随机推测。AUC = 0.5,追随机推测一样(例:丢铜板),模型没有预测价值。AUC < 0.5,比随机推测还差;但只要总是反预测而行,就优于随机推测。

OD体育

总的来说,AUC值越大的分类器,正确率越高。4.正负样本不平衡的解决措施采样:采样方法是通过对训练集举行处置惩罚使其从不平衡的数据集酿成平衡的数据集,在大部门情况下会对最终的效果带来提升。

采样分为上采样(Oversampling)和下采样(Undersampling),上采样是把小众类复制多份,下采。


本文关键词:OD官网,2020,BAT,大厂,深度,学习,算法,面试,履历,“,​

本文来源:OD体育-www.huateng0451.com

Copyright © 2008-2021 www.huateng0451.com. OD体育科技 版权所有  ICP备案:ICP备14187942号-5