ML崗位面試：10.12上午—上海某科技公司圖像算法崗位(偏圖像算法，互聯網AI行業)技術面試考點之LoR邏輯回歸的底層代碼實現、特征圖計算公式

?Interview：算法崗位面試—10.12上午—上海某科技公司圖像算法崗位(偏圖像算法，互聯網AI行業)技術面試考點之LoR邏輯回歸的底層代碼實現、特征圖計算公式

導讀：其實，考察的知識點，博主都做過，但是，emmm，這些知識點，在我寫代碼中，幾乎不會用到，so，會遺忘。所以，還需要下功夫，去多回憶回憶啦。
? ? ? 此次面試過程中，直接手推了整個CNN的發展歷史，寫滿了整個黑板，還分開了單步驟、多步驟經典架構及其它們之間的關系。但是，面我的技術貌似沒怎么理解，好像很不屑，此次面試，給我的整個感覺不太舒服。還包括，他才開始讓我手推LoR模型，但是我說，我想采用數學公式推導，推導出來以后，說看不懂我寫的數學公式，其實，LoR符合伯努利分布，可以數MLE化，取個log損失再平均，接著對系數進行求偏導。what？面試官竟然沒看懂數學的推導，我講解了一遍，并說出了為什么采用log損失，但是，他讓我用Tensorfow寫出該公式，這時候，我就感覺，這個面試官，emmmm。
? ? ??還有個細節，在即將結束的時候，他應該讓HR進來和我聊，但該面試官離開面試房間之前，要求讓我把手推的CNN知識點—整個黑板，都全部擦掉。其實是可以在我最后離開面試房間的時候擦掉的，但是寫完就讓我擦掉，真是搞不懂該面試官的邏輯……
? ? ? ?補充一句，讓進入下一輪技術面的鄭HR，感覺很nice，雖然沒見過其人(可能在復旦葉耀珍樓面試中有見到過)，但是通過短信或者郵件聯系過程中，感覺該HR非常舒服噠。

目錄

知識點考察

1、特征圖計算公式

2、RetinaNet的focal loss損失函數意義

手撕代碼

1、機器學習崗位技術面試考點之LoR邏輯回歸的底層代碼實現

---

知識點考察

1、特征圖計算公式

往期文章：DL之CNN：卷積神經網絡算法簡介之原理簡介(步幅/填充/特征圖)、七大層級結構(動態圖詳解卷積/池化+方塊法理解卷積運算)、CNN各層的作用等之詳細攻略

2、RetinaNet的focal loss損失函數意義

往期文章：DL之RetinaNet：RetinaNet算法的簡介(論文介紹)、架構詳解、案例應用等配圖集合之詳細攻略

手撕代碼

1、機器學習崗位技術面試考點之LoR邏輯回歸的底層代碼實現

思維導圖

代碼實現
ML之LoR：利用LoR算法(tensorflow)對mnist數據集實現手寫數字識別

?

總結

以上是生活随笔為你收集整理的Interview：算法岗位面试—10.12上午—上海某科技公司图像算法岗位(偏图像算法，互联网AI行业)技术面试考点之LoR逻辑回归的底层代码实现、特征图计算公式的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。