nlp面试题目集锦

（1）介绍dropout，为什么可以起到防止过拟合的作用

答 ： Dropout是什么？为什么Dropout可以防止过拟合？

（2）. 使用的模型的计算量，Flops

（3）共享参数，为什么可以提升效果（起到正则化的作用）

（4）LSTM和transformer的各自的优缺点，以及复杂度分析

（5）BN层和LN层的区别，为什么自然语言处理里面用LN层

关于batch normalization和layer normalization的理解

（6）有什么神经网络的语言模型，不用dropout的结果更好（Albert）

（7）介绍bert系列的模型，预训练的任务有什么变化，是否是下一句分类换成句子顺序是否正确有什么好处，

(8) 在分类任务中AUC=0.5 是什么意思，如何通过数据或者模型的手段，来控制p值和r值之间的tradeof

（9） 如何处理样本不均衡问题，focal_loss是设计用来解决什么问题

具体项目

1. 项目中使用的数据流是怎样的？
2. grpc的通信过程，以及与http的区别
3. gprc主要用到probuf存储输入输出数据，除probruf和json之外还有什么其他的工具吗（考虑IO效率）

计算机基础

1.介绍单例模式和工厂模式
2. redis里面的数据类型，列表的底层实现是怎样的？是如何扩容的

写代码

1. python实现生产者消费者
2. 判断是否是回文字符串，找出最长回文子串
   https://blog.csdn.net/ltochange/article/details/121531825