2

2

机器学习、概率论、Transformer架构、对模型的理解（还有哪些未解决的问题）？以后的发展趋势以及未来规划；数学问一些基本概念的问题（极限、收敛、中心极限定理、贝叶斯公式、中值定理、矩阵的秩等）

机试

1. 读取数据集（CSV），输出样本数量、属性数量、标记个数。
2. 仅利用训练集实现朴素贝叶斯，实现精度计算。
3. 读取测试集（CSV），利用第二问的模型进行预测，输出到txt中。
4. 对训练集非数值类型进行处理，实现任意一种分类器，使用训练集的属性和标记进行训练，给出训练集精度、测试集标记、输出到txt中。
5. 训练集上进行五折交叉验证，并对上一问的模型进行调参，给出最优参数和训练集精度。

面试（12分钟掐表）

1. 30s英文自我介绍
2. What’s your favorite ml algorithm?
3. kmeans聚类又分为哪几类?
4. GRU全称?
5. 简述PCA?
6. 什么是半正定矩阵?半正定矩阵在ml中有哪些应用?
7. 斐波那契数列有多少种解法+时间空间复杂度?
8. 第k大的数有多少种解法+时间空间复杂度?
9. SVM为什么要使用对偶问题?