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。