這段時間一直在找工作，經過兩個月的面試經驗，感覺比我三年學到的東西都多，在這裏做一下總結。這四個崗位其實都是相同的，問的問題也都大差不差，主要從傳統的圖像算法和深度學習進行提問。
1.傳統圖像算法問題
- 圖像預處理有哪些方法？
- 圖像增強有哪些方法？
- 直方圖均衡介紹。
- 膨脹和腐蝕含義?開運算和閉運算先後順序。
- 傳統的邊緣檢測算子有哪些？
- Canny算法介紹。如何極大值抑制？（重點必問）
- hog和haar介紹。
- 高斯濾波器原理。
- 如何對圖像進行90度旋轉？（筆試題）
- 給你一個圖如何提取想要的目標。
（這是一個開放性的題目，需要對傳統圖像算法有一定的理解 ）
2.機器學習問題
- 列舉常用的機器學習算法。（說的越多問的越多）
- 決策樹原理介紹。預剪枝和後剪枝處理簡介。
- 決策樹與Adaboost區別。
- SVM介紹，如何理解最大支持向量，核函數作用。
- 貝葉斯分類器簡紹。
- sigmoid和relu區別和優點，以及運用場合。
- 邏輯迴歸介紹。（有一個小公司變態到讓我手寫邏輯迴歸推理）
- k-means和knn介紹，並說明兩者區別。
- 無監督學習和有監督學習區別並列舉各有哪些算法。（筆試題）
- bp神經網絡介紹。
3.深度學習問題
- ResNet網絡介紹，與其餘網絡區別，手寫ResNet殘差塊。（重點必問）
- 激活函數有哪些及作用。爲什麼使用relu不使用sigmoid？
- 梯度消失和梯度爆炸闡述，並講解如何解決。
- 如何知道網絡訓練有沒有過擬合，並如何解決。（重點必問）
- 分割網絡有哪些？各有什麼特點。
- 檢測網絡有哪些，各有什麼特點。
- 闡述Faster-Rcnn，YOLO和SSD網絡，並介紹各有什麼優缺點。
- OpenCV和Halcon是加分項。（我對這塊接觸的不多，每次問道這個問題我都懵圈了，但是一定要表達一下自己自學過，只是沒有在項目中用到過。面試官就不會爲難你了）
- 計算網絡參數量以及特徵圖輸出計算公式。
- RNN和LSTM 介紹。
- 除了CNN網絡還了解哪些網絡？
- BN層如何對數據處理。作用是什麼？
4.總結
以上都是我在面試的時候被問到的所有問題，當然除了那些BAT或者大公司問的會更細緻之外，以上問題基本上可以應付 很多公司了。當然面試的時候能回答出這些基礎問題不是最重要的，最重要的是你簡歷上寫的項目，但凡寫在簡歷上的東西一定 要弄懂，否則卡殼會很丟分。我在找工作最初只是想把簡歷做的漂亮一些，沒想到被問得無地自容。還有一些筆試題基本上都是C語言基礎，只要刷牛客網題目就行，編程題刷劍指offer就行。數據鏈表一定要會。冒泡，快排等排序算法一定要會。