本文是针对机器学习/推荐系统/竞价广告等算法岗面试的第一篇文章，期望提供较为完整的基础资料，帮助读者巩固根基，同时对相关内容进行了发散和拓展，希望增进读者思考以更好地应对面试中突发问题。文章主要分为两部份，第一部分是基础知识回顾，第二部份是面试建议，愿开卷有益。

B. 面试建议

• 激活函数是神经网络中很小的一个知识点，数理简单。通常面试官的问题会一带而过，浅尝辙止，普通读者需要掌握Sigmoid函数（含推导）、ReLU（优缺点），并尽量避免因犯低级错误而造成基础不牢的印象。

• 学有余力的读者，最好可以按照Sigmoid - ReLU - Leaky Relu - ELU - GELU - Swish的逻辑链条串讲，如时间紧张，可只说Sigmoid - ReLU - Swish。

• 对比学习，Sigmoid vs Tanh，ELU vs GELU vs Swish的曲线差异可有意识记忆下（比如谁更﨣峭）。

• 拓展知识能为面试引入亮点，但请注意要在充分理解的把握下提及，至少你曾推导过相关公式，或者查找过具体代码。

• 建议读者在学习、实习或工作项目中，尝试使用Swish/GELU替换ReLU看下效果，从而可在项目讲解中作为一个改进点引入话题。

学而不思则罔，思而不学则殆。欢迎搜索“句股重差”关注、指正和讨论。