uber atg prediction team onsite面经

签了uber atg的实习，把面经发出来造福大家，onsite总共两轮每轮1h。一轮ml一轮coding。
1. ml，问了很多东西并且问的很细致。
先上来让我很详细的讲了一遍conv的操作，要准确到每个tensor和谁做了什么操作。接着问

您好！
本帖隐藏的内容需要积分高于 188 才可浏览
您当前积分为 0。
使用VIP即刻解锁阅读权限或查看其他获取积分的方式

游客，您好！
本帖隐藏的内容需要积分高于 188 才可浏览
您当前积分为 0。
VIP即刻解锁阅读权限 或 查看其他获取积分的方式
Unlock interview details and practice with AI
Curated Interview Questions from Top Companies

式offer letter就来了，效率真的很高。
感觉atg的人都很nice，实习工资在匹兹堡看来也很有诚意，面试问的问题也考察了全面的能力，整体感觉很不错。

yolle 发表于 2018-11-27 04:08
简单来说就是根据svm的weights来对feature进行排名，有一些dual对kernel会映射feature到∞维度，那样的话 ...

你这边指的是用L1 的regularize 加上 classfication 的feature weight 来做feautre selection 吗 ?当然这可能要视linear kernel 的方式才有效 但是坐起来不太容易?

say543 发表于 2018-11-26 16:09
讲了一下svm如何进行feature selection以及为什么这个时候用primal不用dual

简单来说就是根据svm的weights来对feature进行排名，有一些dual对kernel会映射feature到∞维度，那样的话你没办法对feature排名。具体的实现你可以看看sklearn

yolle 发表于 2018-11-25 05:10
x^tx不可逆，如果不做feature selection就加l2norm让他变成x^tx+lambda I 一直可逆。

这边的dimention 指的是什么? 指的是x^T x 的close form 里面线性独立的为度吗? 我以为问题是来自于close form 的计算时间比较expensive ?

恭喜楼主～

恭喜恭喜

谢谢分享，能简单列列你是怎么答的么？

Stephanie001 发表于 2018/11/24 11:51:11
谢谢分享，能简单列列你是怎么答的么？

你问的是那道题？

这是ML engineer 还是 DS 还是DE 的intern啊  

小懒猪upupup 发表于 2018/11/25 03:46:01
这是ML engineer 还是 DS 还是DE 的intern啊

ml engineer

yolle 发表于 2018/11/25 05:10:15


x^tx不可逆，如果不做feature selection就加l2norm让他变成x^tx+lambda I 一直可逆。

请问lz你说的这个逆矩阵操作有参考资料或书有讲吗