2019年8月26日

252 阅读1分钟

360面试 8月26日

一面:小姐姐

RNN和LSTM的区别

LSTM会不会造成梯度爆炸,如何解决

文本分类的项目

算法题:手写一个keras文本分类模型,使用Embedding,BiLSTM,Dense,设置Embedding的预训练词向量权重

fasttext了解吗,讲一下fasttext和word2vec的区别

用过1x1卷积吗,什么时候用,有什么作用(等价于全连接层,作用是通道聚合和变换)

二面:小姐姐

讲一下对话系统的项目

  • 使用场景(业务描述)
  • 初步模型
  • 改进模型

召回怎么做的,为什么不用深度学习做法

  • 数据量比较小,使用深度学习可能效果不好

大数据排序

  • 数据重复使用bitmap
  • 可以使用多路归并排序,小顶堆的做法,mapreduce的思路

算法题:写一个堆排序和归并排序

用过hadoop吗,spark呢,有用在实际场景中吗

讲一下文本分类的比赛,数据是怎样的,你是如何优化的

讲一下word2vec,损失函数,负采样怎么做的,手写过word2vec吗

有一个数据量很少的项目,需要做一些文本数据增强,你有做过吗,用过哪些方

用什么框架写代码,为什么用

tf的palceholder的作用(静态图,占位符,减少op和开销)

实习做的内容,你做了哪些工作

三面:HR小姐姐

自我介绍

性格

拿到了哪些offer

怎么选择offer

拿到offer后能不能来实习 有什么问题要问的