JohnSon

一面项目经历1.LDA模型，Simhash的流程 这个问题主要问的是算法是怎么工作的，工作流程，就是具体在做工程的时候怎样实现，没有涉及到太多的公式 2.问了LSTM的结构，公式推导 这个当时是让我画出LSTM的Cell结构。这个结构当时忘了，给他画了一个RNN的结构，然后推了下rnn正向传播的公式，LSTM就是三个gate，具体数据怎么刘的忘了… 3.L1和L2正则惩罚项公式及区别 这个

找实验室师兄内推的简历，投的是部门的算法岗一面项目经历1. 写出交叉熵的公式 2. 问了一些linux的指令(sort) 3. 问了我之间sentence2vec怎么实现的以及word2vec原理（写公式） word embedding 乘以tf-idf的权重，然后就问我word2vec是怎么实现的，具体推到过程，我就讲了讲之前看的paper的内容，但是很多都忘了… 4. spark

机器学习基础常用计算公式TF-IDF(词频-逆文档频率, Term frequency - Inverse document frequency) 词频(TF)=某个词在文章中出现次数文章总单词数词频(TF)=某个词在文章中出现次数文章总单词数\text{词频(TF)} = \frac{\text{某个词在文章中出现次数}}{\text{文章总单词数}}逆文档频率(IDF)=lo...

深度学习基础激活函数sigmoid σ(x)=11+e−xσ(x)=11+e−x\sigma(x) = \frac{1}{1+e^{-x}} 容易出现梯度消失的现象；当激活函数接近饱和区时，变化太缓慢，导数接近0Sigmoid 的 output 不是0均值； f=sigmoid(wx+b)为例， 假设输入均为正数（或负数），那么对w的导数总是正数（或负数），这样在反向传播过程...

本文的写作目的一方面是总结下自己的学习心得，另一方面是给那些想学习并且想从事算法工程师一点小小的参考，欢迎大家多多交流！基础学习心得想要入门机器学习，至少需要提前掌握以下两种技能必要的数学知识必不可少。高等数学，线性代数，概率论，矩阵论，凸优化等基本的编程能力，推荐python语言（必要时需要学习C++或者jave）当然，我相信大部分同学都有一定的数学基础，有些知识点忘了...