题目：
1.继承和封装的特性
2.Python中的多线程是真的多线程吗？是怎么实现的
3.l1和l2正则化的对比（深度，收敛速度）
4.神经网络的学习因子过大会导致什么
5.卷积神经网络的核函数是越大越好的吗
6.对于很大的数据集，怎样提高决策树的效率
7.什么是模型过拟合，又怎么处理
8.k值分类以文本分类为例的过程是怎么样的，k值怎么确定（脑子一抽没反应过来问的是K-means，用SVM分类和决策树分类代替回答）
可能还有1~2题不记得，但大致的就是以上这些回答了。
总结：
笔者是大三萌新勇闯算法实习生，通过这次面试大致了解了面试中所谓的“八股”是什么样的，既看到了自己的进步和成长，更看到了自己的不足。二面通知在3~4天或者最晚1周左右联系，祝我好运！
预告：
明天辛恩励-GPTs应用实习生
标签：10,一面面,分类,神经网络,UsingAI,实习生,面试,多线程,决策树 From： https://blog.csdn.net/csy031117/article/details/143490970