Bloomberg人工智能面经_Bloomberg人工智能面试真题及高频题

1.CLT

2.Bias-variance trade off

3.Code 正态分布

4.Ridge Regression

5.Batch Size与Learning Rate

6.Batch Norm与Layer Norm

7.Adam

8.GNN 工作原理

9.GNN 内存问题

10.GNN hidden layer

11.GNN Aggregation

12.GNN 超参数

13.DNN与过拟合

14.Batch Size

15.Regularization

16.水塘抽样

1. CLT

解释一下什么是Central Limit Theorem。给N个random samples:X_1,...,X_N，它们的
sample average(X_1+..+X_N)／N）的variance是多少

2. Bias-variance trade off

手推Bias-Variance Tradeoff的公式。

3. Code 正态分布

假设X是一个服从标准正太分布的随机变量（X～N(0，1))，写一个小程序计算P(X>5)。

4. Ridge Regression

推导一下ridge regression的weight estimator怎么算？

5. Batch Size与Learning Rate

如果把batch size从128变成256，那么learning rate应该怎么调？