标签：acc 笔试 题目 简答题 data 面经 算法 numpy

首先是笔试，通过后才能面试。

笔试题目需要在1.5小时内做完，一共6道题目。两道简答题，一道计算题（机器学习的），一道numpy编程题，一道机器学习调参题，最后一道算法leetcode hard题，只需要写出思路，不需要code。

 

题目如下：

1.（简答题）：防止overfit的方法，说三个，用英语

dropout

data augmentation(for images data(such as rotating,cut the images))

L1/L2 regularization

 

2.（简答题）：relu的作用

步骤：relu可以防止过拟合，让一些神经元的输出为0，同时增加了神经网络的非线性关系

3. （计算题：二选一）：

我选的第一个题目做

题目一：朴素贝叶斯分类器，给出了条件概率，求分类的结果（分类的结果就是求出y等于多少）

解题步骤：直接写出贝叶斯公式，带入概率值，最后发现带入的概率值是一个关于y的多项式方程，对其求导=0，得到最大似然估计的概率最大值时y的取值

本题得解

 

题目二：手算反向传播

 

4. numpy还原矩阵

将原始m*n的矩阵交换行的顺序，为matrix1，然后交换原始矩阵的列的顺序，为matrix2.

通过matrix1和matrix2得到原始矩阵。拿到的是numpy数组，也需要返回numpy数组

这题我numpy当时忘记了，只写了一半

 

 

5.机器学习调参题：

给了train data set，train lebel，和test data set，让分类器的模型使得test data set的prediction acc达到90%以上。一共有5个数据集的prediction acc达到90%，就可以拿到满分。

题目要求只能使用tensorflow，pytorch和sklearn。我寻思这个给的是结构化数据，深度神经网络不太适合处理这样的数据，因此肯定选GBDT,GBDT在sklearn当中也是最强的算法之一了，而且也不能用xgboost，catboost，gbdt或者svm就成了最优的选择。

 

我首先用knn试了试grid search，但是考试平台不能用grid search这个包，因为看不到grid search输出的结果。于是我就改用我用的sklearn当中GBDT手动调试的参数。只能手动调参，

最后我的最高acc为92%，4个上了90，有一个test case没上90% acc，为89%。

 

6.算法题：

至少为k的连续子序列，leetcode hard难度，类似于

leetcode 862. 和至少为 K 的最短子数组

但是稍有改动，我稍微想了下就想出来了，用快排和哈希表轻松得解。

 

总结：最后没有通过笔试，没有拿到面试的资格，6个题目，我自认为还做得不错，除了第四题都做出来了，依然没有通过笔试，挺奇怪的，一个小start up的门槛居然这么高？这都不给面试机会？

标签：acc,笔试,题目,简答题,data,面经,算法,numpy
来源： https://www.cnblogs.com/geeksongs/p/15694565.html

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。