秋招回顾3:携程算法岗面经 | 您所在的位置:网站首页 › 携程秋招面试 › 秋招回顾3:携程算法岗面经 |
背景:主研多模态分类领域,秋招主要投NLP和多模态方向的算法岗,如果机器学习的岗位描述和我相符也会投 流程:投递岗位为算法工程师-NLP方向,投递时间n,笔试时间是m=n+14,一面时间是k=n+26=m+12,over 一面 30min: 自我介绍挑一个具有代表性的项目说一下对项目细节进行提问,某个地方怎么实现的,为什么这么实现可以解释一下熵吗,它的公式怎么算的?拿到一个BERT的base版本的原始模型,训练的时候,第一个epoch模型的判定结果很可能是错的,这个时候熵还可信吗?交叉熵和KL散度有什么关系?(以上3-5都是针对2讲的项目提的问)BERT的缺点?可以从预训练方法角度解答。(MLM:静态MASK和动态MASK)(回答出了:最大长度/静态编码和动态编码)RoBERTa相比BERT有哪些改进?BERT的输入有哪几种Embedding?你有了解其他模型去尝试解决长度限制的方案吗?回到项目进行一些实操角度的提问,代码是你写的嘛?是pytorch还是tensorflow?用过bert4keras嘛?BERT是怎么缓解梯度消失的?(残差和归一化)归一化用的什么?(层归一化)LN和BN的区别?#你觉得今年秋招难吗##你的秋招进展怎么样了##秋招面经##携程# |
CopyRight 2018-2019 实验室设备网 版权所有 |