(点击上方公众号,可快速关注)
转自:机器之心
毕业季找工作了?如果想应聘机器学习工程师岗位,你可能会遇到技术面试,这是面试官掂量你对技术的真正理解的时候,所以还是相当重要的。近日,JP Tech 发表了一篇文章,介绍了他们面试新人时可能会提出的 12 个面试问题。问题很基础,但却值得一看。
可用于预测新数据;
能展现我们使用的模型的能力,通常通过准确度等指标表示;
是直接从训练数据集学习到的;
不是由人类人工设置的。
在训练过程中使用,帮助模型寻找最合适的参数;
通常是在模型设计时由人工选择的;
可基于几种启发式策略来定义。
训练人工神经网络时的学习率指数;
训练支持向量机时的 C 和 σ 参数;
k 最近邻模型中的 k 系数。
epoch:代表在整个数据集上的一次迭代(所有一切都包含在训练模型中);
batch:是指当我们无法一次性将整个数据集输入神经网络时,将数据集分割成的一些更小的数据集批次;
iteration:是指运行一个 epoch 所需的 batch 数。举个例子,如果我们的数据集包含 10000 张图像,批大小(batch_size)是 200,则一个 epoch 就包含 50 次迭代(10000 除以 200)。
经验&教训分享:我的第一个机器学习项目
人工智能和机器学习领域有哪些有趣的开源项目?
GitHub 热门项目:机器学习编程 100 天
看完本文有收获?请转发分享给更多人
关注「大数据与机器学习文摘」,成为Top 1%
好文章,我在看❤️