在IT圈混饭吃，不管你用什么编程语言、从事前端还是后端，阻塞、非阻塞、异步、同步这些概念，都需要清晰地掌握，否则，怎么与面试官谈笑风生（chui niu pi）？但是，掌握这...
发简信
IP属地：北京
在IT圈混饭吃，不管你用什么编程语言、从事前端还是后端，阻塞、非阻塞、异步、同步这些概念，都需要清晰地掌握，否则，怎么与面试官谈笑风生（chui niu pi）？但是，掌握这...
在深度学习中，RNN已经成为标准组件，很多领域都要用到，LSTM则是最经典的RNN结构。所以面试时是必问的，最基本的面试题就是要说清楚LSTM的结构。本文试图对其结构进行浅显...
在机器学习的面试中，数据是否需要归一化和标准化是个常见问题。之所以常见，是因为它有很多暗坑，每个暗坑都可以考察应聘者机器学习基础是否扎实。 1、先说是什么，再说为什么 归一化...
最大熵模型属于运用最大熵原理的多分类模型，这个模型在面试中经常会与逻辑回归一起问，比如，为什么说二者是类似的？要解答这个问题，需要对两个模型的原理都有清晰的理解，很多面试者虽...
逻辑回归作为被广泛使用的二分类模型，面试中自然是不可缺少的。但要深刻理解逻辑回归又不是那么容易的，比如说，逻辑回归输出的值是0到1之间的值，这个值是真实的概率吗？逻辑回归为什...
MSE和CE是机器学习中常见的两种损失函数，在训练神经网络中，也经常用到，但是如何深刻地理解二者的异同，却不是容易轻松搞定的。本文从模拟面试的角度尝试对这一问题作出解读。 精...
word2vector已经成为NLP领域的基石算法。作为一名AI 从业者，如果不能主动去熟悉该算法，应该感到脸红。本文是一篇翻译的文章，原文链接是：http://mccorm...
在上一篇文章中，我们简述了skip gram版word2vector的基本原理，留下一个问题待解决，那就是网络非常大，这将导致如下几个困难：1、在上面训练梯度下降会比较慢；2...
上篇文章中，我们介绍了SVM的基本思想，并将其推导成了一个数学问题，今天的任务，就是解决如何求解这个数学问题，同时，回答上篇文章中提出的第二个问题： 如果将正负样本分开的超平...
知乎上有个讨论，说学数学的看不起搞深度学习的。曲直对错不论，他们看不起搞深度学习的原因很简单，因为从数学的角度看，深度学习仅仅是一个最优化问题而已。比如，被炒的很热的对抗式生...
在机器学习的面试中，能不能讲清楚偏差方差，经常被用来考察面试者的理论基础。偏差方差看似很简单，但真要彻底地说明白，却有一定难度。比如，为什么KNN算法在增大k时，偏差会变大，...
1 单刀直入，先回答有必要吗？ 最近和许多朋友交流，发现当前机器学习应聘时，手推SVM这道题已经越来越像快速排序一样，成为必点菜了。 那么，手推SVM是不是必要的呢？正反双方...
请听题:什么是熵？什么是交叉熵？什么是联合熵？什么是条件熵？什么是相对熵？它们的联系与区别是什么？ 如果你感到回答这些问题有些吃力，对这些概念似乎清楚，似乎又没有那么明白，那...
xgboost 已然火爆机器学习圈，相信不少朋友都使用过。要想彻底掌握xgboost，就必须搞懂其内部的模型原理。这样才能将各个参数对应到模型内部，进而理解参数的含义，根据需...
其实印度原版里面还是表现了很多他对女儿们的感情以及未来考虑，国内上映版删掉了一些
你的见识,决定了生活层次，但非唯一~另类解读《摔跤吧，爸爸》（54）《摔跤吧，爸爸》是最近很火的一部电影，好电影我自然不会错过，整部片子看下来，的确是精品，无论是演员的敬业程度、还是整个片子的节奏、故事情节、情感、画面细节，都属上品，有人说故...
观美人出浴，乃人生幸事，当垂涎三尺。不过，如若此“美人”是一朵娇艳欲滴的格桑花，她“出浴”时，其身上及周边被晶莹剔透的水珠紧紧环绕着……你能不能想象到这是一幅怎样的场景呢？ ...