面经问题汇总

Posted on Edited on In

[6.2 浙大wj老师 通过]

  1. 解释一下SVＤ，以及它的应用场景

    [link]

    [link]

    • 图示

    • SVD的性质

      • 可以用最大的k个的奇异值和对应的左右奇异向量来近似描述矩阵，由于这个重要的性质，SVD可以用于PCA降维，来做数据压缩和去噪
      • 也可以用于推荐算法，将用户和喜好对应的矩阵做特征分解，进而得到隐含的用户需求来做推荐
      • 同时也可以用于NLP中的算法，比如潜在语义索引（LSI）。

  2. 先验概率和后验概率之间的区别

    [l1]

    [l2]

    贝叶斯公式：符号定义与全概率公式相同，则：
    $$
    P(B_i |A) = \frac{P(B_i)P(A|B_i)}{P(A)}
    $$
    可以看出，贝叶斯公式是“由果溯因”的思想，当知道某件事的结果后，由结果推断这件事是由各个原因导致的概率为多少

    先验概率（prior probability）：指根据以往经验和分析。在实验或采样前就可以得到的概率。$P(B_i)$

    后验概率（posterior probability）：指某件事已经发生，想要计算这件事发生的原因是由某个因素引起的概率 $P(B_i|A)$

  3. 中值定理

    [link1]

    [link2]

    函数与其导数是两个不同的函数；而导数只是反映函数在一点的局部特征；

    如果要了解函数在其定义域上的整体性态，就需要在导数及函数间建立起联系，微分中值定理就是这种作用。

  4. 简单介绍一下　中心极限定理

  5. SVM大致的内容

    https://zhuanlan.zhihu.com/p/31886934

    也可以参考西瓜书的内容，讲的很详细

  6. LDA(线性判别分析算法)

    常用于降维，特征提取，二分类。目的是对数据进行降维，保留尽可能多的分类信息，因此需要找到最佳的投影方向，将数据点尽可能的分开。分开的标准是同类数据尽可能靠近，不同类的数据尽可能分开

  7. 经典机器学习算法

    • 线性回归
    • logistic回归
    • LDA，仅限于二分类
    • 决策树
    • 朴素bayes
    • KNN　(K最近邻算法)
    • 学习向量量化 (LVQ)
    • SVM
    • 袋装法//随机森林
    • Boosting 和 AdaBoost

[6月中旬中科大数字媒体实验室 通过]

主要是围绕简历问了 一下注意力机制，U-net的结构等内容

英语问题比较多：介绍一下家乡，快速排序等等

[6.10 pkusz cj老师课题组组面 通过]

朴素贝叶斯公式

log损失函数

围绕简历问了一下（知识蒸馏）

英语口语是随机抽选话题，我选到的是10年后你觉得人工智能的发展如何；

比较轻松的一些话题：你觉得你是什么样的人？迄今为止你做过做骄傲的一件事情？你遇到最大的困难是什么，如何克服的？

[6.10 thusz xst老师课题组 未通过]

这个面试是需要先完成课题组给的论文复现任务，展示自己的成果(15 min)。

==太拉了，自己没有安排好时间，讲完ppt就没时间了。

不过老师最后问了几个比较关键的问题：1.你参加过什么程序竞赛， 2.在github上有什么公开的项目 其它就围绕我完成的课题来问的！！

​ 教训：

xst老师难度已经比肩本部了，他们比较看重编程能力（如我上面提到的问题1，2）

另外在做展示报告时，一定要先展示自己的工作量最大的部分，言简意赅。

清北更看重你对事情理解透彻了，简单用1，2句话就可以交代清楚你的工作。

[7.14 华科 优营]

华科21年夏令营面试太水了，基本没刷人，大概持续了5min左右，主要是围绕简历面试，没有英语口语+专业课。

[7.22 pkusz cj老师电话面试 通过]

面试持续了55min，氛围比较轻松，老师主要了解一下学校，家庭背景,恋爱状况之类的，了解一下你个人的性格，之后就围绕简历问一下你实际水平。

这里列一下我觉得比较重要的问题:

  • 首先，老师就问了已经有offer了么（我说没得，哈哈哈，老师竟然不信，但我一菜狗，就真的没有一个，华科算一个）（== 华科：又被冒犯到，华科还是很好的，不过我没有联系到好的老师，所以就一般般啦）
  • 你对硕士期间实习怎么看（我回复的是我是科研导向，所以无所谓）
  • 要求硕士期间发表一篇CVPR，你怎么看（我持积极态度吧）
  • 你觉得CVPR论文的特点是什么，什么样的论文才可以发表在CVPR上？（我就随便凭借我自己的印象，感觉CVPR是在想法上比较创新，而不是方法上）
  • 简单用1，2句话介绍一下知识蒸馏(项目相关，不过一定要透彻理解自己的项目)
  • 总结一下你论文的创新点，之后老师随即问：我觉得你的论文不创新啊（==，为难我了，不过我随便糊弄过去了233）
  • 让我口述其中一篇论文的网路结构
  • 解释一下SVM中核函数的作用
  • 你觉得滤波器和SVM中核函数的关系是什么？（从功能上来看，两个功能相同)
  • 你觉得SVM和CNN应该如何结合？（刚好我之前刚学习到两阶段目标检测的网络结构，里面有提到SVM和CNN结合的话，需要多阶段训练。然后我回复的是如果是普通的连接的话，SVM是分类的，要看CNN在哪里需要分类，可以结合一下，但是训练就不能是端到端训练了。其它更复杂的，就需要好好思考，调研了）

最后老师给我的总结就是有深入学习过深度学习的一些内容，但是思考的不是特别深刻，比如不能1，2句话讲清楚一件事情。（我觉得老师说的蛮有道理的吧。希望之后看论文，多跳出方法流程本身（流程也重要），多思考多对比，反思想法上，本质上的创新。