平安科技医疗部计算机视觉算法电面一面面经(已拿Offer)
1. 自我介绍
2. 实习时间(啥时候能入职)
3. 问我是专硕还是学硕?(就是看你要不要发论文)
4. 介绍研究生的研究方向(因为是医疗部门,楼主研究方向为医学图像分类),针对研究方向提问了一些具体的问题
5. 介绍简历上的项目
6. 针对第一个项目进行提问,介绍一下LR及其损失函数
7. (第一个项目)类别不平衡怎么解决的?(从数据层面和算法层面来回答)
8. 针对第二个项目进行提问,介绍一下Inception V3 和ResNet50
9. (第二个项目) Inception V3基于之前的Inception系列最大的改进是啥?(楼主答非对称卷积)
10. (第二个项目) ResNet的特点有哪些?(楼主答跳跃连接和瓶颈层)
11.(第二个项目) 损失函数为什么用binary_cross_entropy不用MSE?(这个问题感觉很***)
11. 为什么要用1*1卷积?
12. 介绍一下瓶颈层?为什么要用瓶颈层?
13. Inception V3的1*1卷积 和ResNet50的1*1卷积有什么不同?
14. 平时主要用什么语言?(楼主答Python)
15. 看你简历上除了深度学习,还了解一些机器学习算法,我们来聊聊机器学习,说一下SVM的原理
16. 知道Fisher准则吗?(这个楼主不知道)
17. 讲一讲SVM的损失函数?为什么要用Hinge Loss?
18. SVM如何解决非线性分类?知道哪些核函数,说一下
19. 你知道哪些机器学习常用的损失函数?(楼主回答了分类: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)
20. 用过Focal Loss吗?讲一下
21. L1和L2损失在目标检测中的应用知道吗?
22. 知道U-Net吗?
23. 讲一下随机森林(RF)的原理(集成学习里面的Bagging)
24. 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。。。
25. 知道奥卡姆剃刀准则吗?说说看。。。
大体问题就这些,然后面试官让我问了他几个问题,后面就说等发邮件测评,相当于发offer了,挺水的,不难。,供牛友们参考。
#面经##平安科技##实习##机器学习##深度学习##算法工程师#