【分享】CV算法面试题总结
渣硕一枚，没有顶会（paper也没有）没有比赛没有大厂实习，只在一家人工智能创业公司实习过，这两个月全在刷题和刷面经中度过，不断查缺补漏。秋招到现在笔面被拒了11家，拿到了5个offer，包括欢聚时代，大华，oppo，华为，平安科技。
我整理了接近100道cv相关的面试题（包括深度学习和机器学习基础，还有一些常见的cs基础，cv主要偏分割和回归，检测的问题比较少），整个秋招也是我的这个面试总结不断更新的过程。我把它放在下面的链接里，需要的人自取。感谢牛客网！这两个月真的是天天刷牛客，算法今年确实很激烈，大部分算法应聘者应该和我一样，缺乏竞争力。不过随着不断打磨自己，也会拿到还不错的offer的，大佬毕竟还是少数。祝各位马到成功！再次感谢牛客！
链接: https://pan.baidu.com/s/1J31oi1UaohTW68C_MJEJkw 提取码: m65x
总结的第10条是有问题的。可以参考楼下的评论。建议从后往前看
再说下打磨自己的方向：
首先是刷题和数据结构，刷题就是剑指offer看一遍，然后在LeetCode上根据自己的弱项专项练习，没学过数据结构的同学，数据结构一定要好好看一遍；
第二是概率论和线性代数，这个花两天大致看一下就行，面试经常会问到概率题，而且深度学习和概率论是密不可分的，模型训练本身也是个参数估计的过程，而损失函数基本上都是最大似然估计的变化（MSE是高斯分布的最大似然估计得到的）。
第三就是深度学习和机器学习基础了，深度学习问得最多就是梯度消失和batchnorm了（回答梯度消失这个问题需要从sigmoid和权重两个方面来说，如何缓解梯度消失，需要从网络结构，激活函数和batchnorm三个方面来说，这样就比较全面了；至于batchnorm的解释，建议把原论文看一遍，而且要熟悉怎么计算的，例如在CNN BN是把整个feature map来当做一个神经元进行归一化的，还有moving average是怎么更新的），基础问题还有很多，包括优化器，损失函数，dropout等等需要大家自己把握
每个人的面试问题还是主要围绕自己的项目和经历。大家需要根据自己的情况总结对应的面试题目，这样就可以无懈可击了
最后再给大家一个建议，介绍项目的时候最好自己画个流程图，面试介绍项目的时候给面试官看，这样你的项目会介绍得更清晰，面试官也可以更全面的了解你。
#算法工程师##面经##秋招#
查看13道真题和解析
