机器学习

机器学习与深度学习常见47个面试题

一年一度的校园招聘已经开始了,为了帮助参加校园招聘、社招的同学更好的准备面试,SIGAI整理出了一些常见的机器学习、深度学习面试题。理解它们,对你通过技术面试非常有帮助,当然,我们不能只限于会做这些题目,最终的目标是真正理解机器学习与深度学习的原理、应用。

你真的理解正则化了吗?

说到正则化大家应该都不陌生,这个在机器学习和深度学习中都是非常常见的,常用的正则化有L1正则化和L2正则化。提到正则化大家就会想到是它会将权重添加到损失函数计算中来降低模型过拟合的程度。了解更多一点的同学还会说,L1正则化会让模型的权重参数稀疏化(部分权重的值为0),L2正则化会让模型的权重有趋于0的偏好。

大脑神经网络为AI和ML新算法提供新灵感

人们曾经认为眼睛是一个“闇哑的”传感器,通过视觉神经将数据发送到大脑,大脑包含了所有的视觉“处理”能力。近年来,科学家们一直在探究眼睛内视网膜神经元的复杂结构和线路。正如对大脑的研究已经为现代人工智能(AI)做出了巨大的贡献一样,关于视觉系统的这些发现也提出了一个有趣的框架,可以指导当今高度专业化、分布式和互连的数据中心中类似的复杂处理任务的未来发展。

机器学习之支持向量机算法(一)

支持向量机(SVM,Support Vector Machine)在2012年前还是很牛逼的,但是在12年之后神经网络更牛逼些,但是由于应用场景以及应用算法的不同,我们还是很有必要了解SVM的,而且在面试的过程中SVM一般都会问到。支持向量机是一个非常经典且高效的分类模型。我们的目标:基于下述问题对SVM进行推导。