这是一个创建于 161 天前的主题，其中的信息可能已经有所发展或是发生改变。
比如推导：
-
为什么前馈神经网络可以通过反向传播来优化模型效果？
-
L1 和 L2 正则化为什么能解决过拟合问题？
这些问题从数学上是有明确的推导流程的，你们面试的时候，
会要求使用数学公式进行推导吗？还是说知道在什么场景使用就行呢？
谢谢
 | 1 craftsmanship 161 天前 via Android 好问题 我也想了解 可惜发帖时间不太好 赶上放假 都没人来站里摸鱼了 |
 | 2 aeron 161 天前 几年没面试了，现在不太清楚。以前面试的时候会问具体的推导流程的，印象中问过的推导有 gbdt ，xgboost ，贝叶斯公式的这些推导 |
 | 3 scienhub 161 天前 via iPhone  1 一般不太会让你严格的数学推导，但是基本的原理要能讲清楚。例如 1 通过反向传导将损失函数对参数的梯度传播到各层，然后利用梯度更新各层参数 2 l1/l2 都能防止参数过大，降低模型复杂度从而避免过拟合。 我们这里博士生面试会有一些公式推导，但也只是考察概念理解，并不会要求严格推导出结果。 |
 | 4 NoOneNoBody 161 天前 算法岗是肯定要知道理论的，不过要看谁来面试，如果面试官不在行，他可能更多看你做过的项目和作品 做数学题概率低，问理论和实用场景多 |
 | 5 CrazyRundong 161 天前 不会要求详细正确的推导，毕竟公式的目的是向读者准确地传递直觉和方法，但要能讲明白核心原理，并且能够对着简单样例把主要步骤过一遍 |
Select Language