(1)自我介绍。
(2)介绍项目。
面试官:你最近做去除水印的工作,你能介绍一下这个项目么?
我:我就把自己做水印的工作和看的一些论文,和对这个项目以后的工作跟面试官讲了一下。
(3)考核聚类算法。
面试官:你能简单说一下聚类是什么东西么?
我:我就把聚类的不同算法:原型聚类、密度聚类、层次聚类说了一下。原型聚类包含:K-means算法、高斯混合聚类、还有一个忘了,就是这个(学习向量量化)。
面试官:你能介绍一下密度聚类么?
我:这个真是想不起来了!好长时间没看了,忘了。
(4)考核回归算法。
面试官:简单介绍一下回归算法。
我:我就把回归算法给介绍了一通。
面试官:常用的回归算法有哪些?
我:回归算法不经常用,我了解线性回归。我就把线性回归给他讲解了一遍。
面试官:了解岭回归么?
我:岭回归应该是解决模型过拟合的时候用的吧!应该是L1正则或者是L2正则吧!
(5)考核L1正则和L2正则
面试官:那你就说说L1正则和L2正则吧!
我:把L1正则公式、L2正则公式,给他讲了一遍。又说为啥会出现L1和L2正则,以及L1正则和L2正则为什么会解决过拟合问题。
(6)矩阵分解的问题。
面试官:你知道矩阵分解都用什么办法么?
我:SVD,奇异值分解。LDA主题模型,这个自己不太懂啊!不知道能不能解决矩阵分解的问题呢!(说这个感觉自己底气很不足啊!)
面试官:那你讲讲SVD如何做矩阵分解的吧?
我:这。。。没做过啊!SVD也基本上忘了。。。。。。。。(悲伤。。。。)
(7)深度学习(循环神经网络)
面试官:看你的简历中,你了解深度学习的循环神经网络,那你有没有做过这方面的项目呢?
我:我写过关于这方面的论文,做的是股票预测。我就把循环神经网络的缺点:梯度消失和梯度爆炸等问题给他列出来了,然后讲了一下为什么出现梯度消失和梯度爆炸,最后我为什么选用LSTM、LSTM的原理,如何克服梯度消失和梯度爆炸的。以及我论文中如何运用。。等等吧!
(8)深度学习(卷积神经网络)
面试官:介绍一下卷积神经网络吧!
我:我就把卷积神经网络给他讲了一遍。没有问的太具体。
(9)项目细节问题。
面试官:你之前说你做去除水印,那你是怎么检测水印的位置?
我:把检测水印的算法给他讲了一遍。
(10)深度学习(优化神经网络)
面试官:深度学习中,如何优化神经网络呢?
我:dropout、Normalization(Batch Normalization、weight Normalization、Layer Normalization、Cosine Normalization)等。
面试官:那你知道Layer Normalization和Batch Normalization的区别么?
我:不是很清楚呢!
面试官:那你说一下dropout的原理吧!
我:把dropout原理给他讲了一遍。(感觉自己讲的不好!有些细节不是很清楚了!最近抽空复习一下吧!)
(11)最后的问题
面试官:你最后还有什么要问我的吗?
我:CVTE如果这一面过了,大概还有几面?
面师官:一面或两面吧!
我:您感觉我的知识体系和知识架构,有什么缺陷么?您对我目前知识体系和知识架构有什么建议么?
面试官:每个人知识体系和知识架构都不同,这个很难给出建议。但是做机器学习和深度学习这一块,项目经验还是很重要的。项目方面多加强一下吧!我们还是希望每个人都有不同的知识体系和知识架构,这样一个团队才会更好。大概就是这样吧!
面试时间大概27分钟左右。
不知道一面能不能过呢!期待自己能过吧!