- Accuracy作为指标有哪些局限性？
- ROC曲线和PR曲线各是什么？
- 编程实现AUC的计算，并指出复杂度？
- AUC指标有什么特点？放缩结果对AUC是否有影响？
- 余弦距离与欧式距离有什么特点？
- 如何划分训练集？如何选取验证集？
- 什么是偏差和方差？
- 什么是过拟合？深度学习解决过拟合的方法有哪
- 解决欠拟合的方法有哪些？
- 深度模型参数调整的一般方法论？
- 简述了解的优化器，发展综述？
- 常用的损失函数有哪些？分别适用于什么场景？
- 梯度下降与拟牛顿法的异同？
- L1和L2正则分别有什么特点？为何L1稀疏？
- 以一层隐层的神经网络，relu激活，MSE作为损失函数推导反向传播
- NN的权重参数能否初始化为0？
- 什么是梯度消失和梯度爆炸？
- 常用的激活函数，导数？
- relu的有优点？又有什么局限性？他们的系列改进方法是啥？
- sigmoid和tanh为什么会导致梯度消失？
- 一个隐层需要多少节点能实现包含n元输入的任意布尔函数？
- 多个隐层实现包含n元输入的任意布尔函数，需要多少节点和网络层？
- dropout为何能防止过拟合？
- dropout和BN 在前向传播和方向传播阶段的区别？
- 给定卷积核的尺寸，特征图大小计算方法？
- 网络容量计算方法
- 共享参数有什么优点
- 常用的池化操作有哪些？有什么特点？
- CNN如何用于文本分类？
- resnet提出的背景和核心理论是？
- 空洞卷积是什么？有什么应用场景？
- 简述RNN，LSTM，GRU的区别和联系
- 画出lstm的结构图，写出公式
- RNN的梯度消失问题？如何解决？
- lstm中是否可以用relu作为激活函数？
- lstm各个门分别使用什么激活函数？
- 简述seq2seq模型？
- seq2seq在解码时候有哪些方法？
- Attention机制是什么？
- 样本不均衡如何处理？
- 什么是生成模型什么是判别模型？
- 集成学习的分类？有什么代表性的模型和方法？
- 如何从偏差和方差的角度解释bagging和boosting的原理？
- GBDT的原理？和Xgboost的区别联系？
- adaboost和gbdt的区别联系？
- 手推LR、Kmeans、SVM
- 简述ridge和lasson的区别和联系
- 树模型如何调参
- 树模型如何剪枝？
- 是否存一定存在参数，使得SVM的训练误差能到0
- 逻辑回归如何处理多分类？
- 决策树有哪些划分指标？区别与联系？
- 简述SVD和PCA的区别和联系？
- 如何使用梯度下降方法进行矩阵分解？
- LDA与PCA的区别与联系？
- 常用的特征筛选方法有哪些？
- 文本如何构造特征？
- 类别变量如何构造特征？
- 连续值变量如何构造特征？
- 哪些模型需要对特征进行归一化？
- 什么是组合特征？如何处理高维组合特征？
-
word2vec的原理，glove的原理，fasttext的原理？
-
cbow和skipgram如何选择？
-
了解elmo和bert吗？简述与word embedding的联系和区别
-
图像和文本和语音数据各有哪些数据增强方法？
-
rcnn、fatse rcnn、fatser rcnn、mask rcnn的原理？
-
介绍resnet和GoogLeNet中的inception module的结构？
-
介绍yolo和ssd ？
-
介绍FM，FFM，deepFM，deepWide.
-
机器翻译如何解决oov？
-
等等
- 前中后的非递归？
- 层次遍历，之字遍历？
- 二叉树的序列化与反序列化
- 前中，后中遍历结果恢复二叉树
- 排序二叉树的序列化
- 二叉树的直径
- 二叉树的路径和为定值的路径
- 翻转、复制二叉树
- 排序二叉树转双向链表
- 判断二叉树是否相同？判断一棵树是不是另一棵树的子树？
- 八皇后，全排列，组合
- 重复数字的排列，重复数字的组合
- 图的搜索
- A star
- 用rand7构造rand10
- 轮盘赌
- 三角形内等概论随机选点
- 等等
- 编辑距离
- 背包
- LCS
- 给定字符串是否符合正则表达式XXX
- 给定字符串是否是数字？
- KMP
- 超大数相加
- 旋转数组查找
- 数组中的topk
- 旋转打印数组
- 行列递增矩阵查找数字
- 查找出现超过一半的数字
- 查找和为定值的两个数
- 翻转链表
- 两个链表是否有交点
- 一个链表是否有环
- 链表的倒数k个节点
- 合并链表
- 逆序打印链表
- 各种排序的复杂度最优最差平均
- 堆排序topk
- 快排的变化
- 海量日志的出现最多的10个字符串
- 10亿个1-10的数字排序
- trie树
- hashmap
- 布隆过滤器
- bitmap
等等