深度学习 

1、什么是欠拟合？什么是过拟合？

欠拟合是模型并没能很好地学到样本的特征，不能很好的拟合样本。

过拟合就是对部分样本拟合得过于充分，并将这部分样本的特征当成了全样本的特征，而实际上全样本的特征分布并不一定和这部分样本分布一致，以至于模型泛化能力很差。

2、有哪些解决过拟合的方法？

正则化、dropout、数据集扩增、Early stopping

机器学习中防止过拟合的处理方法_我和我追逐的梦~~~-CSDN博客_过拟合

3、什么是最大似然估计

已知样本信息、模型，不确定模型参数，反推最具有可能导致这些样本结果出现的参数值。比如我们已经知道了一些样本信息，并且模型是正态分布，那么要反推出均值和方差值

4、交叉熵函数和softmax损失函数的区别

5、推导一下softmax计算公式和反向传播公式（低）

6、为什么L1正则化容易产生稀疏解，而L2正则化不会

7、什么是k折交叉验证，为什么要进行交叉验证？

8、什么是KNN，KNN的优缺点

9、随机梯度下降、批量梯度下降和梯度下降（特指一次用全部的样本）的区别

10、能够推导简单三层网络的前向传播和反向传播

10、掌握sigmoid和tanh、ReLu损失函数的各自优缺点

11、了解神经网络的浅层和深层各自学到了什么东西

12、掌握参数量的计算方式

13、掌握批量归一化（知乎文章）

15、掌握准确率、召回率、PR、AUC的计算方式

16、为什么正负样本过大不会导致AUC计算出现偏差

17、了解Adagrad，RMSProp和adam算法

18、平均池化和最大池化的区别

19、池化操作怎么做反向传播

神经网络是怎么训练的，什么是反向传播

1、卷积层为什么最后有个全连接层：卷积层用于提取特征，全连接层用于输出分类或回归的结果

2、确保验证集和测试集的数据来自同一分布？

随机打乱

·矩阵秩的定义、向量组秩的定义
·范德蒙行列式
·线性空间（向量空间）的定义