校招算法崗面試-1

機器學習CV算法崗面試-基礎知識部分:

  1. MobileNet的特點,以及v1-v3的提升點
  2. Yolo系列特點及每次的改進,多尺度體現在哪裏,損失函數的改進
  3. Darknet的特點,19,53
  4. 卷積的計算量和參數量的計算
  5. 卷積,池化的前向傳播和反向傳播的具體計算(帶入具體的值進行推導)
  6. BN層的作用已經 γ\gammaβ\beta的作用
  7. 均方差損失爲什麼除以n-1
  8. 過擬合欠擬合
  9. 正則項L1 L2
  10. 梯度消失,梯度爆炸數值的具體計算
  11. 如何解決類別不均衡問題
  12. focal loss以及如何進行困難樣本挖掘
  13. softmax,sigmoid,交叉熵,kl散度公式
  14. 目標檢測的評價指標,mAP的理解
  15. 紅黑樹
  16. 霍夫變換
  17. 深拷貝,淺拷貝
  18. 矩陣相乘的複雜度以及三層循環改變順序後爲什麼時間上有很大差別(CPU cache相關)
    在這裏插入圖片描述
  19. 深度學習如何加快訓練速度(模型,數據集,分佈式訓練,參數)
    在這裏插入圖片描述
  20. pytorch的多卡訓練方式
  21. 加速SIMD NEON
  22. 決策樹,Bagging,Boosting
  23. KNN算法
  24. 概率題(貝葉斯):小明去醫院做X癌的化驗爲陽性,陽性代表從化驗的結果來看他得了X癌,醫學界認爲X癌的患病概率爲0.1%,假設醫院化驗的準確度是98%,請問小明患X癌的概率?
  25. 方差,偏差
  26. L1,L2範數
  27. 邊緣檢測算子
  28. auc和roc
  29. 牛頓法,隨機梯度下降,動量法的區別
  30. 哈希算法,哈希表
  31. python中的數據類型
  32. spark的RDD
  33. 數據庫文件的索引(內存有16G,如何索引文件(文件比內存大))
  34. SSD和Inception以及ResNet的結合,具體網絡結構(針對車牌識別)
  35. 基本的分類網絡有那些?歷史沿革
  36. 目標檢測的網絡中two-stage的RPN如何找到
  37. SSD的損失函數
  38. TensorFlow如何在基本網絡不變的情況下,訓練其中一層?
  39. dice係數的定義,以及計算
  40. SSD車牌識別如何解決類別不平衡問題,比如漢字少於字母和數字
  41. IoU是如何定義的,定爲了多少?
  42. Smooth L1爲什麼能當損失函數
  43. 爲什麼要用U-Net做分割?如何圖像增強的?
  44. 非極大值抑制

機器學習CV算法崗面試-代碼部分

  1. TopK問題
  2. 全排列
  3. 無重複字符的子串
  4. 找質數,衆數,中位數
  5. 文本文件單詞去重
  6. 找出一棵二叉樹的最短深度(層次遍歷)
  7. 對於一個數字 x ,給出兩個變換規則:
    a.如果 x 是偶數,那麼可以變成 x+1 或者 2x
    b.如果 x 是奇數,那麼只能變成 2
    x
    給出任意的 x, y,問 x 經過若干輪變換後,是否有可能變成 y?請實現程序.
  8. n分解爲平方數
  9. 走臺階動態規劃,揹包問題
  10. 隨機給定一個實數數組,返回一個等大的數組,裏面的數值是除給定數組以外的其他所有數組的乘積,不能用除法
  11. 普通二叉樹,查找樹中某個值,返回路徑
  12. 給定一個隨機整數數組,從某一個下標開始找遞增序列,可以非連續,返回最長的遞增序列長度以及數值
發表評論
所有評論
還沒有人評論,想成為第一個評論的人麼? 請在上方評論欄輸入並且點擊發布.
相關文章