【九章算法】九章算法班 2021 版

QQ:1931962866

面試題

基礎知識

求空間中兩異面直線的距離

SVM的原理、推導

SVM與決策樹的比較

各種熵、KL散度、JS散度

解釋梯度消失、梯度爆炸，以及為什麼

解釋過拟合，如何解決

程式設計

手寫快排，快排的時間複雜度（為什麼是O(nlogn))，比快排更快的算法實作

手寫歸并排序

求逆序對個數

手寫maxpooling實作

計算IOU的實作

判斷連結清單有環

深度學習相關

卷積網絡中參數量、運算量的計算

BN層的原理、應用，訓練和測試時的設定

Dropout 層的原理、應用

各種優化算法的比較

如何計算感受野

描述GAN，包括流程、Loss函數、生成器和判别器的結構

GAN與之前方法（如VAE）的比較

GAN的引申，描述一下比如DCGAN，WGAN（因為我說看過WGAN，是以讓我講了一下WGAN解決的兩個問題以及如何解決的）

講一下MobileNet，如何減少模型參數量

項目相關

因為這塊會根據每個人的項目有很大的差異，是以簡單根據我的某個項目（遷移學習相關）介紹一下面試官會注意到的地方

為什麼要用遷移學習

講一下遷移學習的應用場景

遷移學習和深度學習結合的方式、種類

2018的best paper講一下（遷移學習相關）

用到的損失函數，以及與其他損失函數的比較（比如MMD和KL散度的比較）

遷移學習在項目中的作用展現在什麼地方，如何評價

開放性問題

有時候除了基礎知識，面試官會設定一個場景，問一些開放性的問題。

如何根據資料量選擇用哪個模型

如何處理資料不平衡問題

如何調參，按照什麼思路調參？（比如先判斷是否過拟合，損失函數和優化函數的調整，權重初始化，資料歸一化等等調參手段）

改過架構的源碼嗎