CV方向：（object detection， semantic segmentation， 人臉，姿態，視覺重建，圖像恢復生成（gan），識別分類等）
面試經驗總結：對自己項目的每個細節都瞭解清楚，多總結面試
對基本知識點的掌握要清晰，不能模棱兩可
對算法公式的掌握要細緻，防止推公式。
需要準備的：論文，實習經歷，項目（硬實力） 。 軟實力就不說了，問啥都得會是最好的
To do： （以下內容來自微信工作號）
做項目時，邊蒐集數據可以邊用已經蒐集好的“少部分數據跑模型”。不用等所有數據都蒐集好了再跑。
不知道什麼算法合適，可以把所有算法都跑一次，看效果再選擇。多跑幾個應用場景就知道什麼算法適合什麼場景，什麼數據對不同的算法有什麼影響。
不知道最佳參數，可以用random search或者 grid search自動搜索最佳參數組合，有經驗後對每個參數的大概範圍心理都會有數。
練習工程能力。（把算法運用到實際應用中，包括算法優化、加速等，要上 C++）
模型復現和刷題是很好鍛鍊工程能力的一種方式。
模型復現可以給自己規定一個任務，比如在一個月內把某論文的tf實現代碼使用pytorch復現等。
復現過程中最難的是寫新的op和模型效果（速度、精度）對其，這方面很難但收穫很大。
如果做新項目可以先看有沒有pre-trained model。
跑完算法一定要有一個成品的形態，不要只做算法，跑完最後能封裝成一個接口。
學會和領導彙報，學習新算法一定要把模型跑起來，還需要關注上線，部署，壓縮等方面內容。
Not To Do：
訓練數據不要太乾淨，實際場景的數據不會太好。可以嘗試往訓練數據中加點噪聲。
做一個項目最好深挖，挖到好的結果。而不是簡單的跑通，只是跑通沒必要寫到簡歷裏。
沒必要惡補數學。可以有空了看
及某司一面面經：
1.自我介紹
2.項目（問的很細緻）
3.基礎：
梯度爆炸梯度消失
L1範數L2範數原理，公式
過擬合
Yolo ssd fast系列區別
包括yolo 1-3（對於yolo的細節提問）
Ssd 各種變體
4.兩道簡單算法：
判斷鏈表有環
二叉樹中序遍歷
5.問答環節
老師建議：多比較相關算法，多看state-of-the-art算法
多運用到工程，想一想工程方向的優化。在有算法的基礎做一做開發對於自己的成長有幫助