avatar
Articles
127
Tags
37
Categories
0
Home
Archives
Tags
Music
About
俊泽·Jason
Search
Home
Archives
Tags
Music
About

Jason Interview Note

Created2025-06-29|Updated2025-08-19
|Post View:
Author: Jason
Link: https://weiswift.github.io/2025/06/29/liam/InterviewQuestions/
Copyright Notice: All articles in this blog are licensed under CC BY-NC-SA 4.0 unless stating additionally.
docAI
cover of previous post
Previous Post
算法公式推导
cover of next post
Next Post
DK67双模切换
Related Articles
cover
2025-07-18
Jason Project Demo
cover
2025-10-21
RAG
cover
2025-09-14
TQ System
2024-05-01
Document
cover
2025-06-03
OLLAMA
cover
2025-10-25
Agent-Note
avatar
Jason
Articles
127
Tags
37
Categories
0
Follow Me
Announcement
What seems to us as bitter trials are often blessings in disguise.
Catalog
  1. 1.
  2. 2. 机器学习部分
    1. 2.1. 有监督学习和无监督学习
    2. 2.2. 什么是特征工程
    3. 2.3. 过拟合和欠拟合
    4. 2.4. KNN 算法的核心思想
    5. 2.5. KNN分类问题和回归问题
    6. 2.6. KNN算法K值的选择
    7. 2.7. 特征预处理(归一化,标准化区别)
    8. 2.8. 交叉验证和网格搜索
    9. 2.9. 损失函数是什么
    10. 2.10. 线性回归中最优参数求解
    11. 2.11. 梯度下降的常见类型
      1. 2.11.1. 批量梯度下降
      2. 2.11.2. 随机梯度下降
      3. 2.11.3. 小批量梯度下降
    12. 2.12. L1, L2 正则化的区别
    13. 2.13. 逻辑回归流程及解决了什么
    14. 2.14. 混淆矩阵四象限
    15. 2.15. 精确率，召回率反映什么
    16. 2.16. ROC曲线横纵轴,每个点
    17. 2.17. AUC 指标
    18. 2.18. 决策树？基本结构
    19. 2.19. 熵(Entropy)在决策树中作用
    20. 2.20. ID3,C4.5,CART 决策树
    21. 2.21. 决策树节点切分依据
    22. 2.22. 决策树剪枝
    23. 2.23. Bagging 与 Boosting区别
    24. 2.24. Adaboost 的完整构建流程
    25. 2.25. 梯度提升树与随机森林区别
    26. 2.26. XGBoost推导过程概述
  3. 3. 深度学习
    1. 3.1. 张量拼接cat和stack区别
    2. 3.2. 张量形状操作view和transpose先后
    3. 3.3. 点积和哈达玛积实现方法
  4. 4. NLP
    1. 4.1. Fasttext
      1. 4.1.1. skipgram模式下的word2vec
      2. 4.1.2. CBOW模式下的word2vec:
      3. 4.1.3. Word2Vec和Word Embedding区别
    2. 4.2. BERT
  5. 5. 序列标注任务
    1. 5.1. NER命名实体识别
      1. 5.1.1. BiLSTM+CRF
      2. 5.1.2. BERT+CRF
    2. 5.2. 词性标注
    3. 5.3. 分词
      1. 5.3.1. jieba
      2. 5.3.2. hanlp
      3. 5.3.3. pkuseg
  6. 6. 基线模型
    1. 6.1. Transformer
  7. 7. 预训练任务
    1. 7.1. MLM: 大语言模型的标配任务
  8. 8. 神经机器翻译中的曝光偏差，幻觉翻译与跨域稳定性
    1. 8.1. BERT - [MASK]
    2. 8.2. Dropout
    3. 8.3. BatchNorm
    4. 8.4. Teacher forcing
  9. 9. 优化专题
    1. 9.1. 离线优化:
      1. 9.1.1. 数据:
      2. 9.1.2. 模型:
      3. 9.1.3. 硬件:
    2. 9.2. 在线优化:
  10. 10. 机器学习模拟面试题库
  11. 11. NLP面试题库
    1. 11.1. Transformer架构
    2. 11.2. 注意力机制QKV
    3. 11.3. 自注意力机制的计算过程
    4. 11.4. CBOW模式和skipgram模式(FASTTEXT)
    5. 11.5. NLP中词向量的表示方法
    6. 11.6. BERT是双向语言模型, 如何理解
    7. 11.7. BERT多头注意力机制代码层面
    8. 11.8. 为什么在Transformer用LayerNorm
    9. 11.9. view和transpose先后问题
    10. 11.10. 预训练模型序列长度为1000+
    11. 11.11. MacBERT在优化MLM预训练任务
    12. 11.12. 多分类问题数据样本不均衡
    13. 11.13. 对比学习最重要的两个衡量指标
    14. 11.14. Transformer和BERT中的位置编码
    15. 11.15. 模型在工业界的加速部署的问题? 一般部署中比较喜欢的模型有哪些?
Recent Post
F04-胡希恕伤寒论2026-11-01
S04-金刚经2026-10-27
T03以食为天2026-08-26
F01伤寒论2026-08-24
T01驾校考试2026-08-24
©2020 - 2026 By Jason
Framework Hexo|Theme Butterfly
Search
Loading the Database