1 CVTE面经汇总资料

1.1 面经汇总参考资料

① 参考资料：

（1）牛客网：CVTE面经-20篇，网页链接

（2）知乎面经：点击进入查看

（3）面试圈：点击进入查看

② 面经框架及参考答案：

（1）面经知识框架：点击进入查看

（2）面经参考答案：点击进入查看

1.2 面经涉及招聘岗位

（1）全职岗位类

【深度学习算法工程师】、【图形计算算法工程师】、【数据挖掘算法工程师】、【NLP算法工程师】

1.3 面试流程时间安排

PS：以上流程为大白总结归纳所得，以供参考。

1.4 CVTE面试心得汇总

★ 喜欢从传统的视觉讲起，所以需要将传统的图像算法都进行掌握

★ 技术面问的都比较基础，基本稳绕简历发问，全程没有让写编程题，没有问基础数据结构。HR面问题也相对温和，没有问一些极端的问题，感觉不错。

★ 一面的小哥对各种算法的底层数学问的超详细，基本上把机器学习和CV的知识问了个遍，好多问题都没答上来。 问了很多个问题，考察了很多方面，比如你对前沿研究方向的把握、论文阅读能力等等。

2 CVTE面经涉及基础知识点

2.1 图像处理基础

2.1.1 讲解相关原理

● 传统的图像特征有哪些 ？

● Sift特征为什么能实现尺度不变性？

● Hough直线检测的原理 ？

● Hough变换，harris角点检测算子的原理？

● SURF与SIFT的对比，为什么SURF计算速度比SIFT快？

● 给出一堆大小不一的矩形框，快速求矩形框的灰度值之和？

2.2 深度学习：CNN卷积神经网络方面

2.2.1 讲解相关原理

2.2.1.1 卷积方面

● CNN的原理，卷积为何有效？

● 1*1卷积的作用？ (面试官补充：主要是起到降维或者是获取到更多特征的作用)

2.2.1.2 池化方面

● 解释一下pooling？

2.2.1.3 其他方面

● 问BN的作用，有哪些BN算法？

● 梯度消失与梯度爆炸的产生原因，如何避免？

2.3 深度学习：RNN递归神经网络方面

2.3.1 讲解相关原理

● LSTM、GRU、RNN的原理以及差别？

● LSTM和RNN有什么区别，解决了什么问题？

2.4 深度学习：CNN&RNN通用的问题

2.4.1 基础知识点

● 偏差、方差区别？模型比较复杂的时候，偏差和方差的变化：偏差变小，方差变大

● 解释一下方差？

● 数据不平衡的时候的处理方法，比如说正样本多?

● 数据增强的方法?

● 数据增强用了什么噪声，与实际噪声的区别？

● 为什么训练时Loss会出现NAN?

2.5 传统机器学习方面

2.5.1 讲解相关原理

2.5.1.1 数据准备

无

2.5.1.2 特征工程

① 特征降维

● PCA的实现过程，推导PCA？

● SVD的原理？

● 特征值和特征向量奇异值

● SVD分解局部路径规划算法

② 特征选择

● 特征工程如何做的，有哪些特征，为何使用这些特征？

2.5.1.3 有监督学习-分类和回归方面

① 分类回归树（集成学习）

● 传统的机器学习了解哪些？

● RF和Adaboost的异同？

● 阐述GBDT、xgboost、lightGBM的异同，xgb的优势，lgb的优势，二者的并行如何实现？

② K近邻

● KNN和K-means的原理说一下？

③ SVM

● 阐述SVM原理，为何使用对偶性以及对偶性原理，SVM如何解决多分类，SVM与LR对比？

● SVM和LR的共同点和不同点 ？

2.5.2 手推算法及代码

无

2.6 深度学习&机器学习面经通用知识点

2.6.1 损失函数方面

● loss function说几种?

2.6.2 网络优化梯度下降方面

● 梯度下降和牛顿法的区别？

2.6.3 正则化方面

● L1和L2正则化的区别？

● L1正则为何有稀疏性？

2.6.4 过拟合&欠拟合方面

● 解释一下什么叫过拟合，如何防止过拟合？过拟合的解决方案 ？

● 模型过拟合了怎么办?(数据增强、修改模型、L1和L2正则化等)

● 假如网络不收敛，你会采取哪些措施？

3 CVTE面经涉及项目知识点

3.1 深度学习：CNN卷积神经网络方面

3.1.1 目标检测方面

● 解释一下ROI Pooling？

3.1.2 超分辨

● 做过哪些传统的超分或者去噪的算法？

● 多尺度如何分别在三个图像去噪，图像超分辨率任务起作用？

● 图像去噪是去高频，超分是加高频，如何作用？

3.1.3 目标重识别

● 对行人重识别的损失函数了解多少？（说三元组损失，让解释一下）

3.2 深度学习：RNN递归神经网络方面

3.2.1 自然语言处理NLP

3.2.1.1 讲解原理

① HMM隐马尔科夫模型

● HMM与CRF的原理，差别，是全局最优还是局部最优以及为什么?

② Word2vec

● 阐述word2vec的原理？

● 问word2vec的两种优化方法，说下分层softmax是怎么做的？

● word2vec的优点和缺点，是如何解决oov的问题的？

③ NER（命名实体识别）

● 做NER和RE时采用了什么模型？效果目前怎样？

● RE时的数据标注如何进行的？

④ 其他

● 对于一个取值较多的类别变量在不能进行onehot的情况下如何使用？

● 知识图谱的构建过程是怎样的？

● 图谱推理目前采用了什么方法？

● 表示学习如何使用在NLP任务中，举例说明？

● 做文本表征特征的方法有什么？

3.3 强化学习

无

3.4 机器学习方面

无

4 数据结构与算法分析相关知识点

4.1 数据结构与算法分析

4.1.1 树

● 为何使用哈弗曼树，如何构建哈夫曼，负采样的原理？

4.2 算法思想实战及智力题

4.2.1 算法思想实战

● 有一个城市名称列表，如何判断语句中是否出现了列表中的城市，一开始说了一种最简单的算法，但是时间复杂度很高，在面试官提示下提出用kmp算法来降低复杂度

4.3 其他方面

无

4.4 Leetcode&剑指offer原题

无

5 编程高频问题：Python&C/C++方面

5.1 python方面

5.1.1 网络框架方面

● 怎么处理大批量数据的读入？（基于pytorch或tensorflow回答）

5.1.2 基础知识

● Python数据类型中，不可变的有哪些，可变的有哪些？（不可变的是元组，可变的是字典、列表）

5.2 C/C++方面

● list内存分配虚函数与纯虚函数的区别实现一个share类lambda函数

6 操作系统高频问题：数据库&线程&常用命令等

6.1 数据库方面

无

6.2 操作系统方面

6.2.1 常用命令

● 动态窗Linux查找文件的命令有哪些Linux两台主机进行通信采用什么命令Linux进错目录?

● 用cd命令如何返回vector?

7 技术&产品&开放性问题

7.1 技术方面

● 单模型最高与模型融合的结果差距多少？如何进行的融合？

● 无人机竞赛中所使用的路径规划算法是什么？是如何对天气进行预测的？比赛中对上分的手段是什么？

● 有一个城市名称列表，如何判断语句中是否出现了列表中的城市，一开始说了一种最简单的算法，但是时间复杂度很高，在面试官提示下提出用kmp算法来降低复杂度，面试官接着问有没有更好的方法，我已经想不出来了，面试官就给我介绍前缀树的做法。

7.2 开放性问题

● "记录微波炉里烘培食物的过程，自动选出最有趣的一段视频" 如果让我去实现这个项目，我会怎么做？