本文是針對機器學習/推薦系統(tǒng)/競價廣告等算法崗面試的第一篇文章，期望提供較為完整的基礎資料，幫助讀者鞏固根基，同時對相關內容進行了發(fā)散和拓展，希望增進讀者思考以更好地應對面試中突發(fā)問題。文章主要分為兩部份，第一部分是基礎知識回顧，第二部份是面試建議，愿開卷有益。

B. 面試建議

• 激活函數(shù)是神經網絡中很小的一個知識點，數(shù)理簡單。通常面試官的問題會一帶而過，淺嘗轍止，普通讀者需要掌握Sigmoid函數(shù)（含推導）、ReLU（優(yōu)缺點），并盡量避免因犯低級錯誤而造成基礎不牢的印象。

• 學有余力的讀者，最好可以按照Sigmoid - ReLU - Leaky Relu - ELU - GELU - Swish的邏輯鏈條串講，如時間緊張，可只說Sigmoid - ReLU - Swish。

• 對比學習，Sigmoid vs Tanh，ELU vs GELU vs Swish的曲線差異可有意識記憶下（比如誰更﨣峭）。

• 拓展知識能為面試引入亮點，但請注意要在充分理解的把握下提及，至少你曾推導過相關公式，或者查找過具體代碼。

• 建議讀者在學習、實習或工作項目中，嘗試使用Swish/GELU替換ReLU看下效果，從而可在項目講解中作為一個改進點引入話題。

學而不思則罔，思而不學則殆。歡迎搜索“句股重差”關注、指正和討論。