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：
- 项目的具体细节；
- 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；
- 常见的loss的优缺点；
- 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 - 常见的优化器有哪些，优缺点是什么？
- 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？
- 先验知识是什么？
- Transformer模型原理和它的结构；
- Multi-Head Attention是什么，有什么作用？
- Bert模型原理和它的结构；
- 聚类算法中，DBSCAN的原理和优缺点；
- k-means原理和优缺点；
- 高斯混合模型的优缺点；
- em算法；
- 最大期望算法；
- Smooth L1 loss函数；
- 梯度爆炸和梯度消失怎么解决；
- Word2vec是什么？
- 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