大厂AI面试1000题

一起养成写作习惯！这是我参与「掘金日新计划 · 4 月更文挑战」的第11天，点击查看活动详情。 七月在线 学员分享的面试题，我这边做了解析，分享出来供大家参考，欢迎交流。 1、LSTM原理 LSTM是

一起养成写作习惯！这是我参与「掘金日新计划 · 4 月更文挑战」的第10天，点击查看活动详情。 七月在线 学员分享的面试题，我这边做了解析，分享出来供大家参考，欢迎交流。 1、BN和LN区别。 Bat

一起养成写作习惯！这是我参与「掘金日新计划 · 4 月更文挑战」的第9天，点击查看活动详情。 七月在线 学员分享的面试题，我这边做了解析，分享出来供大家参考，欢迎交流。 1、在原地即不使用任何额外的空

一起养成写作习惯！这是我参与「掘金日新计划 · 4 月更文挑战」的第8天，点击查看活动详情。 七月在线 社区学员分享的面试题，这边做了解析，分享出来供大家参考，欢迎评论区交流。 1、对Transfor

一起养成写作习惯！这是我参与「掘金日新计划 · 4 月更文挑战」的第7天，点击查看活动详情。 七月在线 社区学员分享的面试题，这边做了解析，分享出来供大家参考，欢迎交流。 1、对Transformer

一起养成写作习惯！这是我参与「掘金日新计划 · 4 月更文挑战」的第6天，点击查看活动详情。 1、各种优化器使用的经验 梯度下降：在一个方向上更新和调整模型的参数，来最小化损失函数。 随机梯度下降（S

题目来源：七月在线 学员分享，这边整理输出答案，答案仅供参考，欢迎评论区交流指正。 6本电子书的图放在文末，需要的评论说声。 1、为什么分类问题损失不使用MSE而使用交叉熵 1、均方误差作为损失函数，

一起养成写作习惯！这是我参与「掘金日新计划 · 4 月更文挑战」的第4天，点击查看活动详情。 1、ID3、C4.5、CART树的算法思想 ID3算法的核心是在决策树的每个节点上应用信息增益准则选择特征

一起养成写作习惯！这是我参与「掘金日新计划 · 4 月更文挑战」的第2天，点击查看活动详情。 1、手写交叉熵公式 2、为什么用交叉熵不用均方误差 1、均方误差作为损失函数，这时所构造出来的损失函数是非

1. 算法题：leetcode 687. 最长同值路径 方法：递归 可以将任何路径（具有相同值的节点）看作是最多两个从其根延伸出的箭头。具体地说，路径的根将是唯一节点，因此该节点的父节点不会出现在该路

这是我参与11月更文挑战的第13天，活动详情查看：[2021最后一次更文挑战] 七月在线学员分享的面试题，今天整理了两道题出来，答案供参考。 1、 手撕代码题：用一个3*3的卷积核对一个二维数组进行平

这是我参与11月更文挑战的第28天，活动详情查看：2021最后一次更文挑战 终于到了本月第28天更文，激动，第28天依然是题目解析，感觉自己的解题能力又上了一个新台阶(^_^)，期待你的鼓励与指正。加

这是我参与11月更文挑战的第25天，活动详情查看：2021最后一次更文挑战 1.常见的损失函数，常见的激活函数，ELU函数 了解吗？ 常见的损失函数：0-1损失函数，绝对值损失函数，log对数损失函数

这是我参与11月更文挑战的第24天，活动详情查看：2021最后一次更文挑战 1.介绍逻辑回归，逻辑回归是一个分类算法，那么它是在回归什么呢？ 逻辑回归是在数据服从伯努利分布的假设下，通过极大似然的方法

这是我参与11月更文挑战的第23天，活动详情查看：2021最后一次更文挑战 1.个人介绍 信息工程管理硕士，9年工作经验，工作主要是做NLP以及一些数据挖掘的事情，同时也做一些工程的事情。其实我个人很

这是我参与11月更文挑战的第22天，活动详情查看：2021最后一次更文挑战 今天又来分享七月在线社区学员分享的面试题了，答案仅供参考，欢迎评论区交流指正。 1 介绍下什么是Word2vec 在介绍Wo

这是我参与11月更文挑战的第21天，活动详情查看：2021最后一次更文挑战 自己的个人情况：双非硕士、计算机视觉方向。参与过一些校企合作的关于计算机视觉方向的项目，研究方向是行人重识别。 在研究生期间

这是我参与11月更文挑战的第19天，活动详情查看：2021最后一次更文挑战 1.GBDT原理 参考答案： GBDT是梯度提升决策树，是一种基于Boosting的算法，采用以决策树为基学习器的加法模型，

这是我参与11月更文挑战的第18天，活动详情查看：2021最后一次更文挑战 1.adaboost和随机森林有什么区别 相同点： 二者都是bootsrap自助法选取样本。 二者都是要训练很多课决策树。

这是我参与11月更文挑战的第17天，活动详情查看：2021最后一次更文挑战 5月份好未来还在大力招人，尤其对应届生来说能去这里上班那是相当不错了，七月在线的学员有不少通过了面试。 1.讲一下xgb与l