ai算法题1
深度学习500问
计算机基础知识和编程题1
人工智能，我比较关注数学理论和工程架构
随着深入学习，语言的一般变换：<code>python</code>–><code>c++</code>–><code>c</code>，之后用于运用—><code>java/c#</code>
在人工智能，一般到c++,就是研究算法底层了，到了c就是研究关于ai的操作系统的底层了
cv视觉方向，目前能有2-3篇顶会文章，在国内大概能拿100-150w
主流：iccv、eccv、cvpr、nips（一档），ijcai、iclr、aaai（二档）
医学领域的主要有：miccai、medical image analysis、ieee transactions on medical imaging、midl、ipmi；
数据挖掘领域：kdd；
自然语言处理：acl、emnlp、naacl-hlt和coling；
推荐学习资料：
神经网络基本原理简明教程
机器学习面试150题
python
机器学习（基础版，明白基本原理，扫扫盲）
统计学习方法，西瓜书（我感觉，emmm，lj）
算法实践-机器学习（打打比赛，kaggle，要注意对树模型的应用，比如xgboost）
深度学习–（先扫盲吧）
pytorch框架（tensorflow框架）
深度学习经典论文
python经典web框架
大数据基础
leetcode算法题
前面扎实了，就可以起飞了（前路漫漫，其修远兮）
推荐：
吴恩达的机器学习和深度学习可以用来扫扫盲，挺好的，大概看看，之后还可以回味回味
最难的是什么？是某个高深的算法吗？不不不！是死皮赖脸的坚持，总认为自己行，认为自己是人工智能方面的天才（实际是辣鸡）
找工作基础：
leetcode（150-450道题）
百面机器学习—防止被问的不会（工业基础问题）
竞赛（某top）
实习（3-6月，某企业）
论文（某期刊）
面试题：
转载于
1. 写出全概率公式&贝叶斯公式
2. 模型训练为什么要引入偏差(bias)和方差(variance)？
优化监督学习=优化模型的泛化误差，模型的泛化误差可分解为偏差、方差与噪声之和
，以回归任务为例，其实更准确的公式为：
符号的定义：一个真实的任务可以理解为 y=f(x)+e，其中 f(x)为规律部分，e 为噪声分
3. crf/朴素贝叶斯/em/最大熵模型/马尔科夫随机场/混合高斯模型
4. 如何解决过拟合问题？
5. one-hot的作用是什么？为什么不直接使用数字作为表示
6. 决策树和随机森林的区别是什么？
7. 朴素贝叶斯为什么“朴素naive”？
8. kmeans初始点除了随机选取之外的方法
9. lr明明是分类模型为什么叫回归
10. 梯度下降如何并行化
11. lr中的l1/l2正则项是啥
12. 简述决策树构建过程
13. 解释gini系数
14. 决策树的优缺点
15. 出现估计概率值为 0 怎么处理
16. 随机森林的生成过程
17. 介绍一下boosting的思想
18. gbdt的中的tree是什么tree？有什么特征
19. xgboost对比gbdt/boosting tree有了哪些方向上的优化
20. 什么叫最优超平面
21. 什么是支持向量
22. svm如何解决多分类问题
23. 核函数的作用是啥
1. 怎么去除dataframe里的缺失值？
2. 特征无量纲化的常见操作方法
3. 如何对类别变量进行独热编码？
4. 如何把“年龄”字段按照我们的阈值分段？
5. 如何根据变量相关性画出热力图？
6. 如何把分布修正为类正态分布？
7. 怎么简单使用pca来划分数据且可视化呢？
8. 怎么简单使用lda来划分数据且可视化呢？
1. 你觉得batch-normalization过程是什么样的
2. 激活函数有什么用？常见的激活函数的区别是什么？
3. softmax的原理是什么？有什么作用？cnn的平移不变性是什么？如何实现的？
4. vgg，googlenet，resnet等网络之间的区别是什么？
5. 残差网络为什么能解决梯度消失的问题
6. lstm为什么能解决梯度消失/爆炸的问题
7. attention对比rnn和cnn，分别有哪点你觉得的优势
8. 写出attention的公式
9. attention机制，里面的q,k,v分别代表什么
10. 为什么self-attention可以替代seq2seq
1. golve的损失函数
2. 为什么golve会用的相对比w2v少
3. 层次softmax流程
4. 负采样流程
5. 怎么衡量学到的embedding的好坏
6. 阐述crf原理
7. 详述lda原理
8. lda中的主题矩阵如何计算
9. lda和word2vec区别？lda和doc2vec区别
10. bert的双向体现在什么地方
11. bert的是怎样预训练的
12. 在数据中随机选择 15% 的标记，其中80%被换位[mask]，10%不变、10%随机替换其他单词，原因是什么
13. 为什么bert有3个嵌入层，它们都是如何实现的
14. 手写一个multi-head attention
1. dnn与deepfm之间的区别
2. 你在使用deepfm的时候是如何处理欠拟合和过拟合问题的
3. deepfm的embedding初始化有什么值得注意的地方吗
4. youtubenet 变长数据如何处理的
5. youtubenet如何避免百万量级的softmax问题的
6. 推荐系统有哪些常见的评测指标？
7. mlr的原理是什么？做了哪些优化？
1. 常见的模型加速方法
2. 目标检测里如何有效解决常见的前景少背景多的问题
3. 目标检测里有什么情况是ssd、yolov3、faster r-cnn等所不能解决的，假设网络拟合能力无限强
4. roipool和roialign的区别
5. 介绍常见的梯度下降优化方法
6. detection你觉的还有哪些可做的点
7. mini-batch sgd相对于gd有什么优点
8. 人体姿态估计主流的两个做法是啥？简单介绍下
9. 卷积的实现原理以及如何快速高效实现局部weight sharing的卷积操作方式
10. cyclegan的生成效果为啥一般都是位置不变纹理变化，为啥不能产生不同位置的生成效果