1 平安科技面经汇总资料

1.1 面经汇总参考资料

① 参考资料：

（1）牛客网：平安科技面经-22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）实习岗位类

【深度学习算法实习生】

（2）全职岗位类

【平安科技医疗组算法工程师】、【平安科技智能引擎部算法工程师】、【智慧农业算法工程师】、【平安产险算法工程师】、【平安人寿AI研发团队算法工程师】、【平安图像算法工程师】

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 平安科技面试心得汇总

★ 不一定每一轮都有算法逻辑题

★ 感觉还是要多关注基础，面试时在编程能力和数学理论上起码要有一项说得过去。

★ 感觉会问基础的知识点，但主要是这些，不会进行很多的发散，延伸，所以最好所有知识点抖知道

★ 整体感觉：问得问题中规中矩、一般是人工智能的基础+项目深挖+少数算法题目

2 平安科技面经涉及基础知识点

2.1 图像处理基础

无

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

● 为什么要用1*1卷积？讲一下作用？

● Inception V3的1*1卷积和ResNet50的1*1卷积有什么不同？

● 1x1卷积在Resnet中的几种作用？

● Dropout原理

2.2.1.2 池化方面

● Pooling的作用？

● 池化层如何反向传播？

● 上采样有哪些方式？

2.2.1.3 网络结构方面

● 介绍一下Inception V3 和ResNet50？

● Inception V3基于之前的Inception系列最大的改进是啥？

● ResNet的特点有哪些？(答跳跃连接和瓶颈层)

● Resnet为啥能解决梯度消失，怎么做的，能推导吗？

● VGG网络讲讲怎么做的？

● 讲一下AlexNet和VGG的区别？

2.2.1.4 其他方面

● 梯度爆炸，梯度消失，梯度弥散是什么，为什么会出现这种情况以及处理办法？

● 图像的相似性测度有哪些？

2.2.2 数学计算

● 卷积核的参数计算

2.2.3 激活函数类

● Softmax的原理了解吗？

2.3 深度学习：RNN递归神经网络方面

2.3.1 讲解相关原理

● RNN，LSTM推导

2.4 深度学习：CNN&RNN通用的问题

2.4.1 基础知识点

● 讲一下attention机制，有哪几种attention机制？

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

● 降维方法，PCA降维的具体步骤？

② 特征选择

无

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）

● 讲一下集成方法，Bagging，Boosting，Stacking？

A.基于bagging：随机森林

● 讲一下随机森林(RF)的原理（集成学习里面的Bagging）、随机森林怎么调参？

● 树的深度一般是多少？怎么来决定树的深度。

B.基于boosting：Adaboost、GDBT、XGBoost

● GBDT，XGBOOST的原理讲一下？

② 逻辑回归LR

● LR推导？

● 介绍一下LR及其损失函数 ？

③ SVM

● SVM所有核函数的了解应用，损失函数？

● SVM为什么用hinge loss，解释hinge loss，讲一讲SVM的损失函数？为什么要用Hinge Loss？

● SVM如何解决非线性分类？知道哪些核函数，说一下？

● SVM核函数性质

④ 朴素贝叶斯（Naive Bayes）

● 朴素贝叶斯基本原理和预测过程？

2.5.1.4 无监督学习-聚类方面

● 讲一下K-means的原理？

2.5.2 手推算法及代码

● 写公式并说一下KNN、 kmeans？

● 写一下LR和SVM的损失函数

● SVM推导

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

● 交叉熵的公式写一下？

● 损失函数为什么用binary_cross_entropy不用MSE？

● 知道哪些机器学习常用的损失函数？结合具体的机器学习算法来讲。(回答了分类：交叉熵损失，合页损失函数，回归：L1和L2损失，还说了一个Focal Loss)

2.6.2 网络优化梯度下降方面

● 讲一下梯度下降，原理？

2.6.3 正则化方面

● 正则化和未正则化有什么区别？未正则化对w和b的影响？

● L1，L2正则化的原理？

2.6.4 压缩&剪枝&量化&加速

● 了解过模型压缩方面的知识吗？

2.6.5 过拟合&欠拟合方面

● 过拟合欠拟合为啥？ 怎么解决过拟合。

2.6.6 其他方面

● 类别不平衡怎么解决的？（从数据层面和算法层面来回答）

3 平安科技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

3.1.1.1 讲解原理

● 介绍一下瓶颈层？为什么要用瓶颈层？

3.1.1.2 损失函数

● 用过Focal Loss吗？讲一下 原理。

● L1和L2损失在目标检测中的应用知道吗？

3.1.1.3 手写代码

● 写非极大值抑制NMS，用python或者c++都行。

3.1.2 图像分割

● 知道U-Net吗？

3.1.3 图像分类

● 在分类任务中会用到哪些loss function？

● 为什么分类用交叉熵而不用MSE？

答：用 MSE 计算 loss 的问题在于，通过 Softmax 输出的曲线是波动的，有很多局部的极值点，即非凸优化问题 (non-convex) 。

而 cross entropy 计算 loss，则依旧是一个凸优化问题，用梯度下降求解时，凸优化问题有很好的收敛特性。

● 如果分类的数据图像每一类只有几张，你会用什么方法？（少样本训练，用知识迁移/词袋模型/数据增强）

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

① Bert

● bert， bert的各种变形，bert结合知识图谱，bert结合多模态， bert压缩，bert优缺点？

● 为什么项目中采用了albert，不是用bert，albert怎么实现降低参数量，除了Albert还了解其他根据bert改进的模型吗

● bert的效果为什么那么好？（mask机制）

● transformer跟bert在position embedding上有什么区别？

② Word2vec

● Word2vec实施过程，遇到的困难之类的？

● word2vec和glove的原理讲一下？

③ 其他

● 了解textCNN吗，为什么可以在NLP领域取得成功？

3.3 强化学习

无

3.4 机器学习方面

3.4.1 推荐系统

● CRF和HMM的原理讲一下？

● CRF跟HMM的区别，CRF的损失函数是什么？

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 线性表

4.1.1.1 数组

● 给定一个数组，找出数量大于数组长度的1/2的数字，不能用哈希表

● 无序数组怎么在最短时间内求出和为目标值的两个数？

4.1.2 排序

● 快排、快速排序的思想时间复杂度？

4.2 算法思想实战及智力题

4.2.1 算法思想实战

● 字典里面的key是长度为2~5的字符串，另外一个字符串从中间去掉连续的字符，最多去掉6个，剩下的字符串连接在字典中和key匹配，得到匹配的字符串的value？

● 求连续子数组最大和，

输入：[1，4，-5，9，8，3，-6]

输出：9，8，3

● 众数，不能用哈希表和排序

● 最长连续子序列

4.2.2 智力题

● 你有三个朋友在深圳，你想知道深圳的天气，你给每个朋友都打了电话。

● 三个人都说现在正在下雨，三个人说谎的概率都是1/3，问深圳下雨的概率是多大？

4.3 其他方面

4.3.1 矩阵运算

● 给一个矩阵，问从左上角到右下角有多少种走法？

4.3.2 其他

● 简历里有写到数学基础，所以面试官让我说一下怎么自己实现两个矩阵相乘的程序；然后问了我对于刚获得的数据，如何判断其分布，这时候我用了正态分布举例，所以面试官接着问，为何实际生活中大部分数据服从正态分布或者拟正态分布；在知道数据的分布之后，如何进行后续处理？

4.4 Leetcode&剑指offer原题

● Leetcode：螺旋矩阵

5 编程高频问题：Python&C/C++方面

5.1 python方面

5.1.1 基础知识

● Python用过哪些库或者框架？

● 序列去重怎么做？

● 讲一下apply函数的作用？

5.1.2 手写代码相关

● numpy问题：怎么取出一个矩阵中某一行的最大值(说出具体的函数)

5.2 C/C++方面

5.2.1 基础知识

● 简历上写了C，问了智能指针、Class和struct的区别？

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 TCP协议相关

● 三次握手的原理

6.2.2 线程和进程相关

● 多线程的原理讲一下？

7 技术&产品&开放性问题

7.1 技术方面

● 知道奥卡姆剃刀准则吗？说说看。

● 场景题：假设有10000个样本，只有1000个样本有详细的框框出了目标的位置，另外9000张没有框，只是有类别标签而已，问怎么训练这个网络？