重磅幹貨，第一時間送達
作者：求小紅書offer！！
一面 40min
梯度下降為什麼可以用目前點的梯度作為參數的最優更新方向？知道二階優化算法嗎？牛頓法的原理？說說AdaGrad，momentum動量，有什麼作用？LSTM反向傳播怎麼進行的？為什麼能減少梯度消失？有n個樣本，分别有不同的權重，如何按照這個權重自己構造一種抽樣？n很大的時候如何改進？有一個遊戲地圖，可以上下左右走，有障礙物，如何找到起始點和終點的最短距離？如果地圖很大，有什麼改進方法？
二面 1h
項目逐個問，關注細節，你的角色，如何團隊協作，有什麼收獲等等。扣得很細 推一下LSTM公式 LSTM如何減少梯度消失梯度爆炸？ CNN和BP神經網絡反向傳播，w和b的更新公式是否一樣？ 樣本不平衡如何解決？ L1正則化和L2正則化差別？為什麼L1能産生稀疏性？ easy-ensemble是什麼？ 給你offer的話能來實習嗎？（當然可以，b站就在學校邊上。當時聽到這個一度以為很有希望????????） 下面和我介紹了下他們團隊的方向。
三面 40min
介紹一個最熟悉的項目，問了很多細節 算法題：給一個二叉樹，判斷是否是二叉搜尋樹 未來2-3年的目标
end
秋招來襲，小編和幾個小夥伴共同建立了一個秋招群，歡迎大家加入一起交流和分享面經内推碼等等，同時還會邀請一些已經就業的人士和HR，大家可以踴躍提問互相交流學習～
下面是我們整理的兩份面經，内含目前整理好的一些面經
https://github.com/DWCTOD/interview
https://github.com/Sophia-11/AI-Job-Info