（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！