网易互娱(杭州)AI Lab-NLP算法实习生面经-2020年10月

网易互娱(杭州)AI Lab-NLP算法实习生面经-2020年10月

这是今天的第一个面试，总共有4场面试。

开头是自我介绍，然后问项目，问机器学习基础，问NLP。

问到的问题主要有：

1. 项目的具体细节；
2. 常见的损失函数，具体的公式，它们的原理，优点和缺点，适合于对哪些数据做处理；
3. 常见的loss的优缺点；
4. 问了好几个梯度下降的方法，如SGD，BGD，AdaGrad的优缺点，具体的公式(有必要做一个表格总结)，推荐一个博文。
   梯度下降方法详解
5. 常见的优化器有哪些，优缺点是什么？
6. 知识向量机是什么？为什么要将原始问题转为对偶问题？函数间隔和几何间隔是什么？为什么要用几何间隔？
7. 先验知识是什么？
8. Transformer模型原理和它的结构；
9. Multi-Head Attention是什么，有什么作用？
10. Bert模型原理和它的结构；
11. 聚类算法中，DBSCAN的原理和优缺点；
12. k-means原理和优缺点；
13. 高斯混合模型的优缺点；
14. em算法；
15. 最大期望算法；
16. Smooth L1 loss函数；
17. 梯度爆炸和梯度消失怎么解决；
18. Word2vec是什么？
19. Vector向量是什么？

总之，这次面试问了特别多机器学习的基础知识，自己也记得不是特别牢固啦！

面试官也看得出来自己对常见paper可能较熟悉，对机器学习基础知识可能掌握得还不够牢固，需要加强学习。

网易一面结束啦！等结果咯！

最后！

简单问题关注我后可以帮忙解答，

祝关注+点赞的小可爱找工作顺利，获得心仪的offer