機器學習口試的12個基礎問題(原理/說明教學)

機器學習口試的12個基礎問題(原理/說明教學)

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?



發表迴響

你的電子郵件位址並不會被公開。 必要欄位標記為 *