2020-实习生面试题-2
深度学习算法
1、什么是面向对象、面向过程？
面向过程：（C语言）自顶向下、逐步求精、模块化封装函数，主张按功能把软件系统逐步细分，对每个涉及到的功能都进行一次数据处理然后输出。由主函数把函数中的所有接口串接起来，程序的实现非常强调达到某功能的算法。每个函数都有唯一的入口和出口。（注重过程。解决问题时，把事情按步骤拆分成 一个个函数和数据（用于函数/方法的参数），每个函数看作一个过程，然后按照一定的顺序执行完这些函数。）
面向对象：（Python，C++，JAVA）利用面向过程的结构化程序流来设计，基本思想是使用类、对象、继承、封装、消息等基本概念来进行程序设计。强调直接以对象来思考、认识问题，并根据对象的本质特点把它们抽象为构成系统的基本单元，使得软件系统组件能够直接映像到客观世界，并保持客观世界中事物原本的相互关系。（注重对象。解决问题时，把事物抽象成对象的概念（按功能划分，而不是按步骤），给问题里的每个对象赋予一些属性和方法，让每个对象去执行自己的方法解决问题。）
2、为什么要使用面向对象？
面向对象与人们习惯的思维方法一致，使程序代码更加容易让人理解和接受，开发效率高，代码重用性好，并且有利于程序的后期修改和维护；
面向过程的程序设计方法则不同，所有程序代码都包含在几个模块中，开发效率低，可读性差，不利于程序的后期修改和维护。
3、python有哪些用于机器学习、深度学习的高级包？
核心库与统计：Numpy、Scipy、Pandas、StatsModels。
可视化：Matplotlib、Seaborn、Plotly、Bokeh、Pydot、Scikit-learn、XGBoost/LightGBM/CatBoost、Eli5。
深度学习：Tensorflow、PyTorch、Keras。
分布式深度学习：Dist-keras/elephas/spark-deep-learning。
自然语言处理：NLTK、SpaCy、Gensim。
数据抓取：Scrapy。
机器学习常用Python扩展包
4、PyTorch、TensorFlow的区别和各自的优缺点？
TensorFlow是一个静态的框架，需要先构建一个TensorFlow的计算图，构建好了之后，计算图不能改变，然后再传入不同的数据进去，进行计算。
PyTorch是一个动态的框架，对变量做任何操作都是灵活的。
PyTorch 和 TensorFlow 的关键差异是它们执行代码的方式。这两个框架都基于基础数据类型张量（tensor）而工作。PyTorch 和 TensorFlow 的一个主要差异特点是数据并行化。PyTorch 优化性能的方式是利用 Python 对异步执行的本地支持。而用 TensorFlow 时，必须手动编写代码，并微调要在特定设备上运行的每个操作，以实现分布式训练。
TensorFlow与PyTorch
5、python中的迭代器、生成器？
6、python中的魔法方法？
了解描述器
python的常用魔法方法详细总结
7、python中字典的键有哪些数据类型？
字典是一种可变容器模型，且可存储任意类型对象。字典格式如下所示：d = {key1 : value1, key2 : value2 }。
键必须是唯一的，但值则不必。键必须是不可变的，如数字、字符串、元组，列表不可以作为键因为列表是一种可变容器模型。
8、python中字典内部的数据结构？
字典又称为哈希表(hashmap)、映射(map)，以 key-value 的方式进行存储。字典中的 key 对象必须实现__hash__和__eq__方法。
将字典的存储看做一个数组，字典在查找时会计算 key 的 hash 值，然后通过模运算快速的定位到 “数组” 的下标，如果这个下标只有一个元素，那么直接返回该 value；如果有多个元素存储在同一个下标里面，就再使用__eq__方法进行比较，相同者返回。
9、python中字典的特性和操作复杂度？
- 查找速度快，无论 dict 有10个元素还是10万个元素，查找速度都一样。速度快的代价是占用内存大，还会浪费很多内容。
- 字典的值可以没有限制地取任何 python 对象，既可以是标准对象，也可以是用户定义的。
- 不允许同一个键出现两次，创建时如果同一个键被赋值两次，后一个值会被记住。键必须不可变，所以可以用数字，字符串或元组充当，而用列表就不行。
- Python3.6以上版本中的 dict 遍历时会保持 key-value 序对插入Python中的顺序。
10、python中列表的特性和操作复杂度？
list 的查找速度随着元素增加而逐渐下降，但是占用内存小。
11、python中类成员函数、静态函数、普通函数？
