前言
面的公司不多缚够，基本都是提前批（找工作主要還是依靠提前批隔缀，坑多人少）题造。大多數(shù)時(shí)間都是在問簡歷相關(guān)的問題，基礎(chǔ)知識和編程也涉及到一些猾瘸，簡單總結(jié)一下界赔，也算回顧面試過程了。
面試題
基礎(chǔ)知識
- 求空間中兩異面直線的距離
- SVM的原理牵触、推導(dǎo)
- SVM與決策樹的比較
- 各種熵仔蝌、KL散度、JS散度
- 解釋梯度消失荒吏、梯度爆炸敛惊，以及為什么
- 解釋過擬合，如何解決
編程
- 手寫快排绰更，快排的時(shí)間復(fù)雜度（為什么是O(nlogn))瞧挤，比快排更快的算法實(shí)現(xiàn)
- 手寫歸并排序
- 求逆序?qū)€(gè)數(shù)
- 手寫maxpooling實(shí)現(xiàn)
- 計(jì)算IOU的實(shí)現(xiàn)
- 判斷鏈表有環(huán)
深度學(xué)習(xí)相關(guān)
- 卷積網(wǎng)絡(luò)中參數(shù)量、運(yùn)算量的計(jì)算
- BN層的原理儡湾、應(yīng)用特恬，訓(xùn)練和測試時(shí)的設(shè)置
- Dropout 層的原理、應(yīng)用
- 各種優(yōu)化算法的比較
- 如何計(jì)算感受野
- 描述GAN徐钠，包括流程癌刽、Loss函數(shù)、生成器和判別器的結(jié)構(gòu)
- GAN與之前方法（如VAE）的比較
- GAN的引申，描述一下比如DCGAN显拜，WGAN（因?yàn)槲艺f看過WGAN衡奥，所以讓我講了一下WGAN解決的兩個(gè)問題以及如何解決的）
- 講一下MobileNet，如何減少模型參數(shù)量
項(xiàng)目相關(guān)
因?yàn)檫@塊會根據(jù)每個(gè)人的項(xiàng)目有很大的差異远荠，所以簡單根據(jù)我的某個(gè)項(xiàng)目（遷移學(xué)習(xí)相關(guān)）介紹一下面試官會注意到的地方
- 為什么要用遷移學(xué)習(xí)
- 講一下遷移學(xué)習(xí)的應(yīng)用場景
- 遷移學(xué)習(xí)和深度學(xué)習(xí)結(jié)合的方式矮固、種類
- 2018的best paper講一下（遷移學(xué)習(xí)相關(guān)）
- 用到的損失函數(shù)，以及與其他損失函數(shù)的比較（比如MMD和KL散度的比較）
- 遷移學(xué)習(xí)在項(xiàng)目中的作用體現(xiàn)在什么地方譬淳，如何評價(jià)
開放性問題
有時(shí)候除了基礎(chǔ)知識档址，面試官會設(shè)置一個(gè)場景，問一些開放性的問題邻梆。
- 如何根據(jù)數(shù)據(jù)量選擇用哪個(gè)模型
- 如何處理數(shù)據(jù)不平衡問題
- 如何調(diào)參守伸，按照什么思路調(diào)參？（比如先判斷是否過擬合浦妄，損失函數(shù)和優(yōu)化函數(shù)的調(diào)整尼摹，權(quán)重初始化，數(shù)據(jù)歸一化等等調(diào)參手段）
- 改過框架的源碼嗎
hr面試
HR面試一般就比較輕松了校辩，基本就是聊人生聊夢想
- 為什么來這窘问，對公司有什么了解
- 之前科研/實(shí)習(xí)經(jīng)歷有什么收獲
- 遇到壓力/困難如何處理
- 遇到和別人意見不一致時(shí)怎么處理
- 說一下自身的優(yōu)點(diǎn)和缺點(diǎn)
- 看論文/寫代碼的頻率
- 聊男/女朋友，是否支持你來
- 有沒有其他offer
