机器学习基础概念知识点
什么是机器学习？机器学习一共有哪些学习方式？
原题机器学习有哪些学习方式？
原题什么是模型的偏差和方差？
原题训练集/验证集/测试集划分
原题什么是奥卡姆剃刀原理？
原题什么是没有免费的午餐定理？
原题判别式模型和生成式模型的本质区别？
原题如何理解：“数据和特征决定了机器学习的上限，而模型和算法只是逼近这个上限”这个行业基本认知？
原题什么是AutoML？
原题什么是熵？
原题什么是交叉熵？
原题什么是KL散度？
原题耦合和解耦的思想如何在机器学习中实践？
原题什么是代价函数及其意义？
原题什么是二次代价函数？
原题什么是交叉墒代价函数？
原题原题的“交叉墒”指交叉熵。
什么是对数似然代价函数？
原题介绍一下机器学习中的特征编码与特征解码的概念
原题机器学习中的Embeddings特征的本质是什么？
原题AI行业主要有哪些核心的数据模态？
原题机器学习中数据增强的本质是什么？
原题机器学习中音频数据有哪些特点？
原题什么是机器学习中的全局最优和局部最优问题？
原题什么是机器学习中的对比学习？
原题机器学习中训练集、验证集、测试集之间有哪些区别？
原题介绍一下机器学习中热插拔式和冷启动的相关概念
原题此处“冷启动”指服务或模型初始化。
介绍一下机器学习中TopK的概念
原题本条为 Top-K 概念题，正文的实现示例不另作手写要求。
介绍一下模型预训练和模型微调之间的区别
原题什么是迁移学习？
原题介绍一下数据集在机器学习中的本质作用
原题
暂无题目