视觉计算/深度学习/人工智能 笔试面试 汇总(腾讯、网易、yy、美图等)
对应岗位为:基础研究或图像相关岗位,题目来源自同学们的汇总。。
一部分是我自行总结的,所以也不一定正确,欢迎捉虫。
每个问题都不停止的追问自己为什么,因为在面试中面试官肯定会不停的追问的。
之所以现在才发,是因为之前曾经有面试官照着我这篇东西问我(因为写了博客地址),而现在,完全没在怕的~
提供的回答仅供参考,不一定对。存在一些没有提供参考回答的,纯粹因为我懒了 。。
以及没有概括到的阿里、滴滴、华为啥的我没面试的岗位就写的不细,不过根据打听的情况,都是差不多的。
当然了,这个领域日新月异的,加上我比较关注生成式任务,肯定会有其他概括不到的地方,见谅见谅。
找工作运气也很重要,不要因为一时打击就灰心哦。
–2018.1.30
理论部分
深度学习
(通甲优博实习面试)视觉计算任务有哪些,你怎么分类
我把任务分为像素级别、目标级别、理解级别。
像素级别的任务一般是传统的图像处理任务,他们不需要用到图像的语义信息,或者最多用到底层特征(比如图像的边缘、纹理),这些任务有图像增强、传统的图像复原(如去噪、去模糊)、传统的图像分割(比如基于种子生长的方法)、图像加密等。
目标级别的任务需要用到语义信息,所以提取的特征是高层特征,CNN作为优良的特征提取器在这个级别的任务上能够大展拳脚,比如目标定位、识别、检测,以及用到语义特征的分割和大量的图像生成。
理解级别的任务不仅描述图象中的目标,还要解释他们之间的联系,比如一些“看图说话“的图像翻译任务。
CNN的特点以及优势
CNN使用范围是具有局部空间相关性的数据,比如图像,自然语言,语音
局部连接:可以提取局部特征。
权值共享:减少参数数量,因此降低训练难度(空间、时间消耗都少了)。
可以完全共享,也可以局部共享(比如对人脸,眼睛鼻子嘴由于位置和样式相对固定,可以用和脸部不一样的卷积核)
降维:通过池化或卷积stride实现。
多层次结构:将低层次的局部特征组合成为较高层次的特征。不同层级的特征可以对应不同任务。
(17网易校招笔试)推导backward
这些层如何backword计算:
conv:
pooling:
deconv:
(17yy校招面试)解释deconv的作用:
(美图面试)解释BN(写出公式)以及实现机制:
(美图面试)解释dropout以及实现机制:
(美图面试)深度学习中有什么加快收敛/降低训练难度的方法:
瓶颈结构
残差
学习率、步长、动量
优化方法
预训练
(美图面试,yy面试)什么造成过拟合,如何防止过拟合:
data agumentation
early stop
参数规则化
用更简单模型
dropout
加噪声
预训练网络freeze某几层
(yy面试)规则化项有什么,各有什么样的效果,为什么起作用
(腾讯笔试)为什么梯度会消失和爆炸:
深度网络激活元的作用、分类和各自使用范围/优劣
(腾讯笔试)正则化方法以及特点:
损失度量:
(腾讯面试,yy面试)解释softmax、logit regression、交叉熵(要回推导):
有什么优化方法:
(阿里面试)解释alpha狗:
解释resnet、优缺点以及适用范围:
解释inception net、优缺点以及适用范围:
解释RNN:
GAN的公式以及发展历程:
会写公式
知道变体
优缺点
(2017网易校招笔试 )densenet结构优缺点以及应用场景
(2017网易校招笔试 )dilated conv优缺点以及应用场景
(2017网易校招笔试 )moblenet、shufflenet的结构
机器学习
(腾讯面试)有什么降维方法:
有什么分类算法:
偏差和方差:
判别模型和生成模型:
(腾讯面试)设计一个企鹅音乐的推荐系统:
(滴滴笔试)增强学习的相关内容:
(2017腾讯实习笔试)
概率论(几个重点分布、切比雪夫不等式、t检验)
线性代数(特征值计算、行列式计算)
实践部分
你使用什么编程框架,有什么特点:
使用该框架搭建一个网络并训练的具体流程有什么:
如何解决梯度消失:
如何解决梯度爆炸:
如何判断是否收敛:
如何选择优化方法:
实现卷积层的backward编程:
(17yy面试)用c++/python实现读取文本文件(txt)行数的功能
(17yy面试)python中有什么数据结构,有什么不同
list,tuple,dict,set
(17yy面试)python中range和xrange有什么不同
(17yy面试)python中如何重写一个len函数,解释__call()
12.
课题部分
度量
重建任务的度量有哪些,给出解释/公式:
识别任务的度量有哪些:
传统图像处理
有什么图像的锐化方法:
全局和局部特征提取算法分别有:
全局和局部特征提取算法有啥不同:
解释HOG:
解释sift:
解释
风格转换
介绍该领域
图像生成
介绍该领域
解释重建任务中的常用技巧:
图像复原
介绍该领域
图像分割
介绍该领域
目标检测
介绍该领域
视觉计算/深度学习/人工智能 笔试面试 汇总(腾讯、网易、yy、美图等)相关推荐
- 视觉感知——深度学习之YOLOv3算法
视觉感知--深度学习之YOLOv3算法 1. 传感器融合 2. 深度学习算法 2.1 卷积神经网络CNN 2.2 YOLO算法 3. YOLO v3算法实践 3.1 官方数据集参考 3.2 环境配置 ...
- 全网唯一一套labview深度学习教程:tensorflow+目标检测:龙哥教你学视觉—LabVIEW深度学习教程
全网唯一一套labview深度学习教程:tensorflow+目标检测:龙哥教你学视觉-LabVIEW深度学习教程 一.知识背景: 随着自动化技术的快速发展,在工业生产中很多需要人工操作的环节逐渐转由 ...
- 关于深度学习人工智能模型的探讨(八)(1)
第八章 深度学习模型 8.1 深度学习AI 2012年6月,<纽约时报>披露了Google X实验室的"谷歌大脑"项目,研究人员随机提取了1000万个静态图像,将其输入 ...
- 深度学习 人工智能诊断‘_AI应对深度学习和精神病学诊断的挑战
深度学习 人工智能诊断' 演示地址 It is equally dangerous at either extreme - to have either an expanding concept of ...
- 德国THI大学,招聘移动视觉和深度学习研究助理和研究员
Technische Hochschule Ingolstadt 大学(简称THI,中文译名:英戈尔施塔特工业技术大学)是位于德国南部巴伐利亚州的一所技术大学,目前正在招聘移动视觉和深度学习研究助理/ ...
- 深度学习目标检测网络汇总对比,挺好的
深度学习目标检测网络汇总对比 本文总阅读量次 欢迎star我的博客 2019-01-03 参考 :https://medium.com/@jonathan_hui/object-detection-s ...
- 2021年暑期实习、秋招深度学习算法岗面试要点及答案分享
本文主要整理了深度学习相关算法面试中经常问到的一些核心概念,并给出了细致的解答,分享给大家. 内容整理自网络,原文链接:https://github.com/HarleysZhang/2019_alg ...
- 深度学习算法工程师面试知识点总结(四)
这是算法工程师面试知识点总结的第四篇,有兴趣的朋友可以看看前三篇的内容: 深度学习算法工程师面试知识点总结(一) 深度学习算法工程师面试知识点总结(二) 深度学习算法工程师面试知识点总结(三) 基于t ...
- 深度学习开源框架知识汇总
深度学习开源框架知识汇总 1 概述 1.1开源框架总览 1.2如何学习开源框架 2 开源框架 2.1 Caffe (1)caffe的使用通常是下面的流程: (2)caffe:图像分类从模型自定义到测试 ...
最新文章
- leetcode算法题--球会落何处
- Dalvik VM和Java VM的区别:
- 处理时间_5_计算时间列所在年的周序号
- Android应用程序键盘(Keyboard)消息处理机制分析(26)
- 目标检测技术演进:R-CNN、Fast R-CNN、Faster R-CNN
- 洛谷 P2735 电网 Electric Fences Label:计算几何--皮克定理
- jquery验证框架validate的使用
- 一些用CRF做图像语义分割的资源
- 阶段1 语言基础+高级_1-3-Java语言高级_06-File类与IO流_04 IO字节流_5_文件存储的原理和记事本打开文本显示原理...
- cobaltstrike之创建监听器与生成后门
- 暴风影音使用技巧十则
- java velocity 语法_Velocity 语法
- 清华钱颖一:什么造就了硅谷奇迹?这7个因素不可忽视
- python拟合优度R^2
- Visual Studio使用教程
- 视场(FOV)补偿与分辨率(Resolution)补偿
- 职工考勤管理信息系统数据库课设_公司员工考勤管理信息系统的设计与实现
- 如何改变hr标签的颜色
- IE6躲躲猫bug -IE6 Peekaboo Bug
- MIT.6.00.1X --Week 3 Lecture 5 -- 'Divid and conqer' algorithm 分而治之