ML崗位面試：10.12上午—上海某科技公司圖像算法崗位(偏圖像算法，互聯(lián)網(wǎng)AI行業(yè))技術(shù)面試考點(diǎn)之LoR邏輯回歸的底層代碼實(shí)現(xiàn)、特征圖計算公式

?Interview：算法崗位面試—10.12上午—上海某科技公司圖像算法崗位(偏圖像算法，互聯(lián)網(wǎng)AI行業(yè))技術(shù)面試考點(diǎn)之LoR邏輯回歸的底層代碼實(shí)現(xiàn)、特征圖計算公式

導(dǎo)讀：其實(shí)，考察的知識點(diǎn)，博主都做過，但是，emmm，這些知識點(diǎn)，在我寫代碼中，幾乎不會用到，so，會遺忘。所以，還需要下功夫，去多回憶回憶啦。
? ? ? 此次面試過程中，直接手推了整個CNN的發(fā)展歷史，寫滿了整個黑板，還分開了單步驟、多步驟經(jīng)典架構(gòu)及其它們之間的關(guān)系。但是，面我的技術(shù)貌似沒怎么理解，好像很不屑，此次面試，給我的整個感覺不太舒服。還包括，他才開始讓我手推LoR模型，但是我說，我想采用數(shù)學(xué)公式推導(dǎo)，推導(dǎo)出來以后，說看不懂我寫的數(shù)學(xué)公式，其實(shí)，LoR符合伯努利分布，可以數(shù)MLE化，取個log損失再平均，接著對系數(shù)進(jìn)行求偏導(dǎo)。what？面試官竟然沒看懂?dāng)?shù)學(xué)的推導(dǎo)，我講解了一遍，并說出了為什么采用log損失，但是，他讓我用Tensorfow寫出該公式，這時候，我就感覺，這個面試官，emmmm。
? ? ??還有個細(xì)節(jié)，在即將結(jié)束的時候，他應(yīng)該讓HR進(jìn)來和我聊，但該面試官離開面試房間之前，要求讓我把手推的CNN知識點(diǎn)—整個黑板，都全部擦掉。其實(shí)是可以在我最后離開面試房間的時候擦掉的，但是寫完就讓我擦掉，真是搞不懂該面試官的邏輯……
? ? ? ?補(bǔ)充一句，讓進(jìn)入下一輪技術(shù)面的鄭HR，感覺很nice，雖然沒見過其人(可能在復(fù)旦葉耀珍樓面試中有見到過)，但是通過短信或者郵件聯(lián)系過程中，感覺該HR非常舒服噠。

目錄

知識點(diǎn)考察

1、特征圖計算公式

2、RetinaNet的focal loss損失函數(shù)意義

手撕代碼

1、機(jī)器學(xué)習(xí)崗位技術(shù)面試考點(diǎn)之LoR邏輯回歸的底層代碼實(shí)現(xiàn)

---

知識點(diǎn)考察

1、特征圖計算公式

往期文章：DL之CNN：卷積神經(jīng)網(wǎng)絡(luò)算法簡介之原理簡介(步幅/填充/特征圖)、七大層級結(jié)構(gòu)(動態(tài)圖詳解卷積/池化+方塊法理解卷積運(yùn)算)、CNN各層的作用等之詳細(xì)攻略

2、RetinaNet的focal loss損失函數(shù)意義

往期文章：DL之RetinaNet：RetinaNet算法的簡介(論文介紹)、架構(gòu)詳解、案例應(yīng)用等配圖集合之詳細(xì)攻略

手撕代碼

1、機(jī)器學(xué)習(xí)崗位技術(shù)面試考點(diǎn)之LoR邏輯回歸的底層代碼實(shí)現(xiàn)

思維導(dǎo)圖

代碼實(shí)現(xiàn)
ML之LoR：利用LoR算法(tensorflow)對mnist數(shù)據(jù)集實(shí)現(xiàn)手寫數(shù)字識別

?

總結(jié)

以上是生活随笔為你收集整理的Interview：算法岗位面试—10.12上午—上海某科技公司图像算法岗位(偏图像算法，互联网AI行业)技术面试考点之LoR逻辑回归的底层代码实现、特征图计算公式的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。