1、什么是boosting tree

2、GBDT

3、L1和L2正则为何可以减弱over-fitting，L1和L2正则有什么区别？

4、KNN和LR有什么本质区别

5、怎么理解Dropout

6、为什么random forest具有特征选择的功能？

7、random forest有哪些重要的参数？

8、DNN为什么功能强大，说说你的理解

9、SVM的损失函数是什么？怎么理解

10、介绍下Maxout

11、项目中over-fitting了，你怎么办

12、详细说一个你知道的优化算法(Adam等)

13、项目(比赛）怎么做的模型的ensemble

14、stacking是什么？需要注意哪些问题

15、了解哪些online learning的算法

16、如何解决样本不均衡的问题

17、fasterRCNN中的ROIPooling是如何实现的

18、如何进行特征的选择

19、如何进行模型的选择

20、什么是梯度消失？怎么解决

21、常用的有哪些损失函数

22、假设一个5*5的filter与图像卷积，如何降低计算量？

23、做过模型压缩吗？介绍下

24、什么是residual learning？说说你的理解

25、residual learning所说的residual和GBDT中的residual有什么区别？

26、FFM和FTRL有过了解吗？

2017找工作_机器学习相关面经