机器学习工程师 |面试作业题记录|本科水平 | 附个人解答

本文主要是介绍机器学习工程师 |面试作业题记录|本科水平 | 附个人解答,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

如是我闻: 面试的是一家在加拿大的初创公司,我想他们是需要清纯质朴的廉价劳动力干点杂活,非常符合我目前的情况。祝我成功吧。以下是他们的面试作业题(take home questions),主要考察了一些基础知识,分享给各位同修做参考。

Question 1

1. Explain the principle of the gradient descent algorithm.

Answer

在这里插入图片描述

Question 2

2.Given the target function:
y ^ ( w 0 , w 1 ) = w 0 + w 1 x i \hat{y}(w_0,w_1)=w_0+w_1x_i y^(w0,w1)=w0+w1xi
And Error Function
E = ( y i − y ^ ( w 0 , w 1 ) ) 2 E = (y_i-\hat{y}(w_0,w_1))^2 E=(yiy^(w0,w1))2
Assuming that a set of training examples N N N is provided, where each training example n ∈ N n\in N nN is associated with the target output y n y_n yn.

Find the cost function, J J J, and derive ∂ J ∂ w 0 \frac{\partial J}{\partial w_0} w0J and ∂ J ∂ w 1 \frac{\partial J}{\partial w_1} w1J

Answer

在这里插入图片描述
在这里插入图片描述

Question3

How would you design a Neural Network model to classify the diamonds from the crosses with as few as nodes and layers as possible.
在这里插入图片描述

Answer

在这里插入图片描述

Question4

Given the simple logistic regression:
y ^ ( n ) = 1 1 + e x p ( − x ( n ) w ^ ) \hat{y}^{(n)}=\frac{1}{1+exp(-x^{(n)}\hat{w})} y^(n)=1+exp(x(n)w^)1

Where: w ^ = − l o g 4 \hat{w}=-log4 w^=log4

Given input features x = [ 1 0 1 ] x=\begin{bmatrix} 1\\ 0\\ 1\\ \end{bmatrix} x= 101 and Ground Truth y = [ 0 0 1 ] y=\begin{bmatrix} 0\\ 0\\ 1\\ \end{bmatrix} y= 001

Using thresholds t ∈ { 0 , 0.25 , 1 } t\in \{0,0.25,1\} t{0,0.25,1}, draw the ROC curve.

Answer

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
愿本文除一切找实习苦

非常的有品

以上

这篇关于机器学习工程师 |面试作业题记录|本科水平 | 附个人解答的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/880182

相关文章

在Spring Boot中集成RabbitMQ的实战记录

《在SpringBoot中集成RabbitMQ的实战记录》本文介绍SpringBoot集成RabbitMQ的步骤,涵盖配置连接、消息发送与接收,并对比两种定义Exchange与队列的方式:手动声明(... 目录前言准备工作1. 安装 RabbitMQ2. 消息发送者(Producer)配置1. 创建 Spr

SpringBoot中4种数据水平分片策略

《SpringBoot中4种数据水平分片策略》数据水平分片作为一种水平扩展策略,通过将数据分散到多个物理节点上,有效解决了存储容量和性能瓶颈问题,下面小编就来和大家分享4种数据分片策略吧... 目录一、前言二、哈希分片2.1 原理2.2 SpringBoot实现2.3 优缺点分析2.4 适用场景三、范围分片

k8s上运行的mysql、mariadb数据库的备份记录(支持x86和arm两种架构)

《k8s上运行的mysql、mariadb数据库的备份记录(支持x86和arm两种架构)》本文记录在K8s上运行的MySQL/MariaDB备份方案,通过工具容器执行mysqldump,结合定时任务实... 目录前言一、获取需要备份的数据库的信息二、备份步骤1.准备工作(X86)1.准备工作(arm)2.手

SpringBoot3应用中集成和使用Spring Retry的实践记录

《SpringBoot3应用中集成和使用SpringRetry的实践记录》SpringRetry为SpringBoot3提供重试机制,支持注解和编程式两种方式,可配置重试策略与监听器,适用于临时性故... 目录1. 简介2. 环境准备3. 使用方式3.1 注解方式 基础使用自定义重试策略失败恢复机制注意事项

Python UV安装、升级、卸载详细步骤记录

《PythonUV安装、升级、卸载详细步骤记录》:本文主要介绍PythonUV安装、升级、卸载的详细步骤,uv是Astral推出的下一代Python包与项目管理器,主打单一可执行文件、极致性能... 目录安装检查升级设置自动补全卸载UV 命令总结 官方文档详见:https://docs.astral.sh/

统一返回JsonResult踩坑的记录

《统一返回JsonResult踩坑的记录》:本文主要介绍统一返回JsonResult踩坑的记录,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录统一返回jsonResult踩坑定义了一个统一返回类在使用时,JsonResult没有get/set方法时响应总结统一返回

Go学习记录之runtime包深入解析

《Go学习记录之runtime包深入解析》Go语言runtime包管理运行时环境,涵盖goroutine调度、内存分配、垃圾回收、类型信息等核心功能,:本文主要介绍Go学习记录之runtime包的... 目录前言:一、runtime包内容学习1、作用:① Goroutine和并发控制:② 垃圾回收:③ 栈和

java对接海康摄像头的完整步骤记录

《java对接海康摄像头的完整步骤记录》在Java中调用海康威视摄像头通常需要使用海康威视提供的SDK,下面这篇文章主要给大家介绍了关于java对接海康摄像头的完整步骤,文中通过代码介绍的非常详细,需... 目录一、开发环境准备二、实现Java调用设备接口(一)加载动态链接库(二)结构体、接口重定义1.类型

Android学习总结之Java和kotlin区别超详细分析

《Android学习总结之Java和kotlin区别超详细分析》Java和Kotlin都是用于Android开发的编程语言,它们各自具有独特的特点和优势,:本文主要介绍Android学习总结之Ja... 目录一、空安全机制真题 1:Kotlin 如何解决 Java 的 NullPointerExceptio

apache的commons-pool2原理与使用实践记录

《apache的commons-pool2原理与使用实践记录》ApacheCommonsPool2是一个高效的对象池化框架,通过复用昂贵资源(如数据库连接、线程、网络连接)优化系统性能,这篇文章主... 目录一、核心原理与组件二、使用步骤详解(以数据库连接池为例)三、高级配置与优化四、典型应用场景五、注意事