視覺計算/深度學習/人工智慧 筆試面試 彙總(騰訊、網易、yy、美圖等)
阿新 • • 發佈:2019-01-08
對應崗位為:基礎研究或影象相關崗位,題目來源自同學們的彙總。。
一部分是我自行總結的,所以也不一定正確,歡迎捉蟲。
每個問題都不停止的追問自己為什麼,因為在面試中面試官肯定會不停的追問的。
–2017.9.7
之所以現在才發,是因為之前曾經有面試官照著我這篇東西問我(因為寫了部落格地址),而現在,完全沒在怕的~
提供的回答僅供參考,不一定對。存在一些沒有提供參考回答的,純粹因為我懶了 。。
以及沒有概括到的阿里、滴滴、華為啥的我沒面試的崗位就寫的不細,不過根據打聽的情況,都是差不多的。
當然了,這個領域日新月異的,加上我比較關注生成式任務,肯定會有其他概括不到的地方,見諒見諒。
找工作運氣也很重要,不要因為一時打擊就灰心哦。
–2018.1.30
理論部分
深度學習
(通甲優博實習面試)視覺計算任務有哪些,你怎麼分類
我把任務分為畫素級別、目標級別、理解級別。- 畫素級別的任務一般是傳統的影象處理任務,他們不需要用到影象的語義資訊,或者最多用到底層特徵(比如影象的邊緣、紋理),這些任務有影象增強、傳統的影象復原(如去噪、去模糊)、傳統的影象分割(比如基於種子生長的方法)、影象加密等。
- 目標級別的任務需要用到語義資訊,所以提取的特徵是高層特徵,CNN作為優良的特徵提取器在這個級別的任務上能夠大展拳腳,比如目標定位、識別、檢測,以及用到語義特徵的分割和大量的影象生成。
- 理解級別的任務不僅描述圖象中的目標,還要解釋他們之間的聯絡,比如一些“看圖說話“的影象翻譯任務。
CNN的特點以及優勢
CNN使用範圍是具有區域性空間相關性的資料,比如影象,自然語言,語音- 區域性連線:可以提取區域性特徵。
- 權值共享:減少引數數量,因此降低訓練難度(空間、時間消耗都少了)。
可以完全共享,也可以區域性共享(比如對人臉,眼睛鼻子嘴由於位置和樣式相對固定,可以用和臉部不一樣的卷積核) - 降維:通過池化或卷積stride實現。
- 多層次結構:將低層次的區域性特徵組合成為較高層次的特徵。不同層級的特徵可以對應不同任務。
- (17網易校招筆試)推導backward
- 這些層如何backword計算:
- conv:
- pooling:
- deconv:
- (17yy校招面試)解釋deconv的作用:
- (美圖面試)解釋BN(寫出公式)以及實現機制:
- (美圖面試)解釋dropout以及實現機制:
- (美圖面試)深度學習中有什麼加快收斂/降低訓練難度的方法:
- 瓶頸結構
- 殘差
- 學習率、步長、動量
- 優化方法
- 預訓練
- (美圖面試,yy面試)什麼造成過擬合,如何防止過擬合:
- data agumentation
- early stop
- 引數規則化
- 用更簡單模型
- dropout
- 加噪聲
- 預訓練網路freeze某幾層
- (yy面試)規則化項有什麼,各有什麼樣的效果,為什麼起作用
- (騰訊筆試)為什麼梯度會消失和爆炸:
- 深度網路啟用元的作用、分類和各自使用範圍/優劣
- (騰訊筆試)正則化方法以及特點:
- 損失度量:
- (騰訊面試,yy面試)解釋softmax、logit regression、交叉熵(要回推導):
- 有什麼優化方法:
- (阿里面試)解釋alpha狗:
- 解釋resnet、優缺點以及適用範圍:
- 解釋inception net、優缺點以及適用範圍:
- 解釋RNN:
- GAN的公式以及發展歷程:
- 會寫公式
- 知道變體
- 優缺點
- (2017網易校招筆試 )densenet結構優缺點以及應用場景
- (2017網易校招筆試 )dilated conv優缺點以及應用場景
- (2017網易校招筆試 )moblenet、shufflenet的結構
機器學習
- (騰訊面試)有什麼降維方法:
- 有什麼分類演算法:
- 偏差和方差:
- 判別模型和生成模型:
- (騰訊面試)設計一個企鵝音樂的推薦系統:
- (滴滴筆試)增強學習的相關內容:
- (2017騰訊實習筆試)
- 概率論(幾個重點分佈、切比雪夫不等式、t檢驗)
- 線性代數(特徵值計算、行列式計算)
實踐部分
- 你使用什麼程式設計框架,有什麼特點:
- 使用該框架搭建一個網路並訓練的具體流程有什麼:
- 如何解決梯度消失:
- 如何解決梯度爆炸:
- 如何判斷是否收斂:
- 如何選擇優化方法:
- 實現卷積層的backward程式設計:
- (17yy面試)用c++/python實現讀取文字檔案(txt)行數的功能
- (17yy面試)python中有什麼資料結構,有什麼不同
list,tuple,dict,set - (17yy面試)python中range和xrange有什麼不同
- (17yy面試)python中如何重寫一個len函式,解釋__call() 12.
課題部分
度量
- 重建任務的度量有哪些,給出解釋/公式:
- 識別任務的度量有哪些:
傳統影象處理
- 有什麼影象的銳化方法:
- 全域性和區域性特徵提取演算法分別有:
- 全域性和區域性特徵提取演算法有啥不同:
- 解釋HOG:
- 解釋sift:
- 解釋
風格轉換
介紹該領域
影象生成
介紹該領域
解釋重建任務中的常用技巧:
影象復原
介紹該領域
影象分割
介紹該領域
目標檢測
介紹該領域