recruiter找到我的。
面试官是个美国小哥，前面一小半让介绍项目和一些基本的ML问答，后面做题和问答。
ML相关问题：比如l1和l2 regularization的区别。如果有大量的数据，用parametric model还是用non-parameteric model有优势，如果训练模型时如果error波动很大是加大learning rate还是减小learning rate。
coding问题是蠡口原题140。虽然是hard但好歹不是很偏的。
店面就hard是不是有点变态。。。 lz过了吗？ 祝好运
还好，至少不是g那种自己想的hard
感谢楼主面经！请教一下“如果训练模型时如果error波动很大是加大learning rate还是减小learning rate。” 这个应该怎么回答？这里问的是training error? 然后波动大是指没有平稳下降吗？
一下回答假设我们已经知道是learning rate导致的问题。
如果是凸优化问题的话那么应该调小learning rate，这样可以让模型训练迭代的时候减少摆动，可以慢慢收敛。如果是非凸的话，调大调小都可能可以…
比如当前已经在一个足够好的valley里面了，但是由于摆动导致波动很大，那么如同凸优化问题一样调小就行了。如果当前摆动是在几个相邻的valley里面，那么调大learning rate说不定就跳到更好的valley里面了。