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