機器學習口試的12個基礎問題(原理/說明教學)[PDF]

資料來源: https://mp.weixin.qq.com/s/OxxhjjEvE3wB9jKPtfi2DQ

GITHUB: https://github.com/jash-git/Jash-good-idea-20220818

01.歸一化的意義

02.偏置和方差的概念以及它們之間的權衡關係
03.假設深度學習模型已經找到了1000 萬個人臉向量，如何通過查詢以最快速度找到一張新人臉？
04.對於分類問題，準確度指數完全可靠嗎？你通常使用哪些指標來評估你的模型？
05.你怎麼理解反向傳播？請解釋動作（action）的機制。
06.啟動函數有什麼含義？啟動函數的飽和點是什麼？
07.模型的超參數是什麼？超參數與參數有何不同？
08.當學習率過高或過低時會怎樣？
09.當輸入圖像的尺寸加倍時，CNN 參數的數量會增加多少倍？為什麼？
10.處理資料不平衡問題的方法有哪些？
11.在訓練深度學習模型時，epoch、batch（批）和 iteration（反覆運算）這些概念都是什麼意思？

12.資料生成器的概念是什麼？使用資料生成器需要什麼？