虽然投的是大数据，但是简历上自己方向写的NLP所以主要还是围着NLP问的。

----------努力回忆，涉及的问题如下---------
1.Bert相关,介绍一下Bert,和ELMO有什么区别
2.self-attention是怎么做的
（由于不熟seq2seq, 1和2都答得很不好，小哥哥说现在预训练是热点呀，我说实验室太小自己做不了啊，小哥哥表示理解）
3.word2vec有哪些优化，答负采样和分层softmax，然后继续问分别是怎么做的，然后详细问负采样具体是在哪一步真正优化word2vec的（这里不会了，小哥哥引导思考了一下，但依然不会=。=）
4.文本分类有哪些评价指标，答，ACC P R F1 ROC AUC（没过脑子，巴拉巴拉一大串），然后小哥哥说这些机器学习用的比较多，文本分类的话标签！@￥%@……比较多（大概是多标签分类的一些指标）
5.哪个损失函数比较熟？我说交叉熵。然后问交叉熵的优缺点，又不会，巨尴尬。小哥哥引导了一下，应该是在求梯度的时候会比较方便。。。（待查）
6.你模型用的CNN，池化用的什么池化？还用了什么？答曰BN，然后问BN具体是怎么做的，有什么作用，然后问为什么不用LN，现在文本处理用LN的比较多（？）
7.怎么避免梯度消失的
8.tensorflow用的哪个版本的？2.0的有过吗？用过TFrecord吗？
9.胶囊网络了解吗？我正解释胶囊网络是为了CNN没有位置信息而改进的，小哥哥就打断进入下一问了
10.RNN了解吗，LSTM和GRU用的哪个？介绍一下LSTM（这里也是，感觉自己没讲到重点就跳过进入下一问了）
（此间还穿插着一堆%&*@是什么知道吗，都是字母简称，不记得就是不会=。=）
11.分词了解吗？给你红楼梦这本小说，不用分词的库，你打算怎么分词？答曰用独立条件性判断。小哥哥嗯，这样确实可以挑出来一部分，但是比如说{宝玉，宝玉说}这样的都被挑出来了，但是‘宝玉说’肯定不是词，然后怎么弄呢？
我：……
小哥哥努力引导：你这样不是已经找出来一堆候选词了嘛，你再第二遍来个啥操作再筛一遍
-抽样？采样？
-数据量没有这么大
-那就像skip-gram那样，看它前后每个词的频率，（一顿瞎说）……
12.天池的这个比赛是怎么做的，数据集情况，我就如实介绍了一下，但是好像不怎么感兴趣传统机器学习，问为什么不用BERT(这话我没法接=。=)，我说前几名的方法也有很多传统机器学习方法的，就一直问为啥会这样。他说，文本的话特征比较散，传统机器学习应该不太行，更何况还有很多比赛的数据集都是脱敏过的……
13.别的任务比如实体抽取之类的做过吗？没有（此时已接近自闭）
14.现在人在杭州吗，有留在杭州的打算吗
15.还有什么要问的吗？

说实话，电话面试由于各种原因，听问题都听得不是很清楚，回答之前可以先确认一下问题，也当作是给自己的思考留一点缓冲。
BTW，我真的是个弟弟！！！上来就问你了解Bert吗，我只能硬着头皮说了解，呜呜呜结果答成了一坨屎！