原创 招行春招之旅（一）
招行機器學習崗的筆試覆盤 目錄前言主要內容結語現在就點贊，是個好習慣~~ 前言 招行筆試跟網易一樣，只有一次機會，不能延遲。總時長2h，平臺爲牛客網。 主要內容 題型： 單選題（必答，14道）：基礎題 編程題（必答，2道）：
2020-04-09 21:08:10
原创 筆試覆盤1
這是29日百度數據挖掘崗位的筆試覆盤。 主要內容 題型： 選擇題（60分）：計算機專業基礎（數據結構、計算機網絡、操作系統、數據庫）【其中隊列有好幾題】，機器學習基礎，數學題（概率題居多）、語言代碼題（C/C++爲主，判斷輸
2020-03-30 12:45:50
原创 筆試覆盤
本篇介紹阿里3月25日的筆試題以及解法。 前提概要 今年阿里筆試是內部確認必須要經過的流程，可見還是很重要的。使用的是牛客網的平臺，自己寫輸入輸出以及功能模塊，兩道編程題，共1h。 編程題 給一個m*n的矩陣，m固定爲3，n
2020-03-28 11:30:04
原创 常常被忽視的python多行輸入
平時總拿python做那高大上的AI算法，陡然用來刷算法題，要自己寫多行輸入的時候，卻發現自己對python輸入一無所知… 主要內容 這裏分享兩種多行輸入的方法： 使用input()函數： if __name__ == '
2020-03-28 11:30:04
原创 面試覆盤6
這是阿里雲四面（總監面）的覆盤，一如二面的遭遇（別問，一問就是涼經-^-），卻不知道能否有二面的好運氣了。。。 這次的面試不長，只有50min，實在是被問題狂轟亂炸得不要不要的… 下面是這次面試內容的重難點： 分佈式系統：如
2020-03-18 23:42:57
原创 面試覆盤4
這是騰訊遊戲安全部門一面的覆盤，當我接到約面電話時我十分狗帶，因爲我真的是對遊戲還有安全知之甚少，而且我很誠懇地說了我的實際情況，不過前輩還是決定給我一個機會，於是有了下面的故事… 這一面是簡歷面，全程電話面試，涉及的內容主要
2020-03-10 12:27:56
原创 面試準備之字節跳動篇
主要是從牛客網上摘取前輩們的面經，拿來查缺補漏。本篇將是字節跳動公司的算法工程師崗位的相關面經。 回報牛客：發一下字節算法工程師面經，時間久了只能發個大概。 （1）手寫LR前向傳播和反向傳播。【推導過程很簡單。不過LR本身
2020-03-07 08:07:33
原创 面試覆盤2
這次是阿里雲2面，自我感覺面試表現很差，要涼。不過還是要抱着學習的態度查缺補漏。 這次的面試內容是先問計算機基礎知識，後出了3道算法題。 計算機基礎知識 C++多態：爲什麼基類的析構函數要設置爲虛函數? 當存在用基類指針操作
2020-03-04 05:25:15
原创 面試覆盤1
這是一位同學阿里的一面，也是投的算法實習崗，不過問的題目與我很不同，拿來學習一下。 算法題： 輸入一個數列，有N個整數，可以將任意區間內的所有整數相加，求相加之和的最大值。 這是一道簡單的動態規劃的題，設狀態變量dp[i]表
2020-03-01 02:41:50
原创 面試覆盤
這是我今年的第一次面試，阿里前輩很謙和，交流過程中我從開始的緊張慢慢地舒緩，也在盡力地表現自己對問題的看法與理解。不過還是有好多知識點很不清晰，希望通過總結能夠查缺補漏。 算法題： 輸入M、N及M*N的01舉證，1表示島嶼，
2020-02-29 01:08:43
原创 動手學深度學習之生成對抗網絡
生成對抗網絡（Generative Adversarial Networks,GANs）是一種把博弈理論結合神經網絡用於生成新事物的模型。目前最常用於圖像生成。 直觀感受原理 GAN的原理是如下圖所示： 假設有兩個網絡，G（G
2020-02-26 01:44:03
原创 動手學深度學習之DCGAN
DCGAN是把全卷積神經網絡引入到了GAN。 DCGAN做了如下改進： 取消pooling層。G中用反捲積進行上採樣，D中用加入stride的卷積代替pooling batch normalization 去掉FC層，網絡爲
2020-02-26 01:44:03
原创 動手學深度學習之凸優化
凸優化理論是學習線性迴歸的時候就會用到的數學知識，利用凸優化的理論，可以求出最佳的參數值（解析解）使得損失函數最小，也可以證明梯度下降優化算法是有效地。 優化與DL 優化與估計 儘管優化方法可以最小化深度學習中的損失函數值，
2020-02-26 01:44:03
原创 動手學深度學習之圖像分類案例1
本節介紹使用ResNet-18網絡結構來做cifar-10數據集的分類。 獲取和組織數據集 圖像增強 導入數據集 定義模型 訓練與測試
2020-02-26 01:44:03
原创 動手學深度學習之分類案例2
本節使用預訓練好的ResNet-34模型來完成Kaggle競賽中的犬種識別挑戰，這裏會用到模型微調的技巧，複用預訓練的模型是大型比賽常常會用到的方法。 實驗內容 整理數據集 圖像增強 讀取數據 定義模型 定義訓練函數 調參
2020-02-26 01:44:03