qq_36523203的博客

实习暑期实习一般转正较多，一般从三月份，暑期实习就可以开始投递面试。所以刷题尽量从十二月就开始。暑期实习面试对项目经历要求较少，扎实的刷题能力至关重要。数据库，操作系统，计算机网络这类基础，可以根据自己投递的岗位侧重的复习。实习要找你最理想的职位，这样会为你秋招打分许多。实习岗位和你秋招岗位不同，也是也分加分选项。如果想去阿里，实习可谓是一个捷径。项目项目不要求创新，可行性最重要。笔试大厂（阿里，腾讯，百度）较为侧重创新新，都是查不到的题目。基础要扎实再去笔试，中厂一般收拾基本都可以找到原题。懂

一面 1h20min1.单转链表2.sql中left jion,right jion和full jion的定义3，概率题，小明去酒吧的概率是0.9，去A,B,C三家酒吧概率相等。现在发现小明不在A,B两个酒吧，求出在C酒吧的概率。4，场景题 没有历史数据，已知用户账号登录的几个特征，怎样简历异常登陆检测模型。下面介绍自己反欺诈的项目，关于特征工程进行了介绍。最后介绍了自己的CV的项目，没问什么问题。二面1h没刷题。全程项目介绍与基础知识考查。记忆深刻的几道题：1，self-attent

深度学习卷积类卷积神经网络的特点有哪些卷积深度可分离卷积1*1卷积的作用深度学习基础BN的原理，作用和实现细节优点：1）加快训练速度，这样我们就可以使用较大的学习率来训练网络。2）提高网络的泛化能力。解决过拟合3）BN层本质上是一个归一化网络层，可以替代局部响应归一化层（LRN层）。4）可以打乱样本训练顺序（这样就不可能出现同一张照片被多次选择用来训练）论文中提到可以提高1%的精度。BN层的输出Y与输入X之间的关系是：Y = (X - running_mean) / sqr

文章目录一，多尺度检测什么是多尺度检测？降低下采样率与空洞卷积多尺度训练优化Anchor尺寸训练深层与浅层特征融合SNIP，尺度归一化TridentNet,三叉戟网络总结二，目标检测中的样本不均衡问题什么是目标检测样本不均衡问题1，OHEM,在线难例挖掘2，S-OHEM，基于LOSS分布采样的在线困难样本挖掘3，Focal Loss 专注困难样本4，GHM，损失函数梯度均衡化机制总结目标检测优化使用的Trick本文从降低下采样率与空洞卷积、多尺度训练、优化Anchor尺寸设计、深层和浅层特征融合等多个方面

误差函数1.0-1损失函数2.平方损失函数：最小二乘法的具体表现，误差分布满足正态分布3.绝对损失函数4.对数损失函数怎样选择？监督学习有两种策略：经验最小化和结构风险最小化当样本容量小时，经验风险最小化的策略容易产生过拟合的现象。结构风险最小化可以防止过拟合。结构风险最小化是在经验风险的基础上加上表示模型复杂度的正则化项或罚项：卷积池化后的图像大小计算设图像尺寸为WxW,卷积核尺...

数据比赛里用写的代码，可快速应用到其他比赛使用库数据处理特征工程模型训练和预测使用库import pandas as pdimport numpy as npfrom sklearn.model_selection import StratifiedKFold #数据进行交叉验证的，模型选择时使用from lightgbm import LGBMClassifier#lightgbm做分类的模型from lightgbm import LGBMRegressor#lightgbm做回归预测fr