阿里算法实习笔试一面

  • 1、自我介绍
  • 2、细扣实习项目(问的比较深)
  • 3、数据清洗、数据平滑主要操作
  • 4、有关一个时序列问题(具体还没想起来) 好了梯度下降要来了
  • 5、详细说一下随机梯度下降和批量梯度下降
  • 6、线性回归多变量求解的过程,为什么这样求解?这样求解为什么是最优解?(我回答的是求导,也就是梯度下降)
  • 7、怎么优化梯度下降过程,主要是速度优化?
  • 8、自适应梯度优化是什么样子?
  • 9、拟牛顿法能说说吗?
  • 10、学习率过大会出现什么问题,怎么解决
  • 11、最大似然估计和贝叶斯估计的联系和区别
  • 12、如果我想预测的结果是一个置信区间你打算怎么建模型(这个是在最前面的问题)
  • 13、一阶导和二阶导分别表示什么,能说一下意义吗? 接下来就是聊人生了。

点赞是对小编最大的鼓励~

各位小哥哥小姐姐帮小编点一下广告,这对小编最大的鼓励哟,笔芯~

友情链接