高级java笔试题
NLP-Interview-Notes
专门为自然语言处理(NLP)面试准备的学习笔记与资料
一、招职位/投简历
学校BBS
力推北大未名、水木社区,:这里面一般是学长或者学姐发布的内推职位，一般回复较快，但是你面对的竞争也很大（清北的学子们）
招聘网站
BOSS直聘、实习僧:有些岗位是重合的，信息较新，BOSS直聘回复较快
互联网公司官网
一般春招和秋招的时候可以集中关注下
二、实习篇
蚂蚁金服-NLP内推面试
简单自我介绍
详细讲解下自己做过的一个项目（最熟悉的）
解释下泛化，处理方法
bagging和boosting的原理以及区别
二者都是集成学习算法，都是将多个弱学习器组合成强学习器的方法。
Bagging：从原始数据集中每一轮有放回地抽取训练集，训练得到k个弱学习器，将这k个弱学习器以投票的方式得到最终的分类结果。
Boosting：每一轮根据上一轮的分类结果动态调整每个样本在分类器中的权重，训练得到k个弱分类器，他们都有各自的权重，通过加权组合的方式得到最终的分类结果。
深度学习的过拟合欠拟合和解决方法
epoch和batch的原理
调整learning
评论0