媒智科技一面(2019/8/13)  1. 说一下人脸识别哪些模型？ 2. CosFace怎么做数据增强的，怎么做对齐？ 3. 有哪些数据增强的方法(翻转，裁剪，有监督裁剪，面试官说了mixup，上下采样，增加不同惩罚) 4. 说下resnet网络，解决了什么问题； 5. 还有什么方式可以解决梯度消失问题(BN，LSTM) 6. 怎么调整学习率(指数衰减，轮数衰减，分数衰减，cos衰减，先大后小) 7. 机器学习知道哪些经典算法； 8. LR和SVM的联系和区别？ 9. 用了高斯核的SVM和LR的区别(SVM就变成高斯分布，LR是逻辑斯蒂分布) 10. 知道哪些分类损失函数 11. 如何解决样本不平衡问题 12. 说下bagging和boosting；还有他们的代表算法 13. BN的中方差的作用，和PCA有什么联系(利用协方差矩阵进行剪枝) 14. 怎么利用BN的方差做剪枝(利用方差大小，去掉方差小的channel) 15. 说下BN层怎么做的，它的参数 16. 说下Kaggle分类项目； 全程40分钟； 去做分类，人脸识别，机器人等，基于项目 媒智科技二面(2019/8/16)  1. 说一下SVM的支撑向量； 2. 假如现在是二分类SVM的支撑向量有多少-视情况而定 3. 讲一下Kmeans，以及他的优化算法Kmeans++; 4. 如果Kmeans最后聚类效果不好的话，应该怎么优化？-合并类簇； 5. 有没有用真实数据做过Kmeans模型，真实数据应该怎么去优化； 6. 讲一下精确率，召回率，MAP； 7. 知道目标检测算法么；不太了解 8. 讲一下fasterrcnn和maskrcnn；不会 9. 讲一下focal loss-交叉熵多了一个alpha; 10. 为什么神经网络使用卷积层？-共享参数，局部连接； 11. 使用卷积层的前提条件是什么？-数据分布一致 12. 为什么使用激活函数； 13. 讲一下有哪些激活函数； 14. 讲一下过拟合； 15. 有哪些防止过拟合的方法； 16. 讲一下dropout的原理，具体实践怎么操作的-没答上来 17. 为什么可以防止过拟合？ 18. 测试的时候要不要使用？ 19. 倒置随机失活和普通的为什么可以等价(测试的时候都不用dropout,倒置随机失活还要乘以1/1-p)-这块炸裂，没答上来； 20. 残差结构为什么可以解决梯度消失问题？ 21. Python中0.35/0.05等于多少？(python中/和//的区别) 22. 上个问题最后结果不等于7也不等于7.0你知道是因为什么原因吗？(面试官疯狂提示，换个说法，计算器怎么保存数字的，引出小数转二进制，最后发现0.05转二进制后是一个循环小数，没办法保存，所以最后结果不是7/7.0)； 23. Python中深拷贝和浅拷贝的区别？  总时长48分钟，面试官做强化学习的，机械臂抓取，面试人数很多，很快出结果； dropout需要加强； 媒智科技三面(2019/8/20)  1. 介绍一下51信用卡做的项目； 2. 你对人脸数据集预处理都有哪些方式，怎么做的？ 3. 数据集是什么样子的，有多少？ 4. 做了哪些数据增强？别的分类模型中使用的数据增强有哪些方式？ 5. 别人有那么多方法，为什么你就只用了翻转； 6. 识别模型对了哪些改进； 7. 对于人脸图片曝光的问题你是怎么做的？为什么要那么做？ 8. 用的什么指标，直接说出准确率的公式； 9. 这些改进后对于指标有提升吗？ 10. 你用了验证集吗？没用的话怎么保证模型是有用的？ 11. 你是把人脸识别模型当成分类模型来做的吗？ 12. 假如说现在模型输入一张训练集中不存在的类的图片进行测试，会出现什么问题？ 13. 说一下你的分类的项目？它的亮点是什么？ 14. 知道哪些分类损失函数？-我用中文说损失函数，他直接说用英文说就行了。 15. 知道分类模型吗？ 16. Resnet了解吗？他的性能最好的变体是哪个，结构是怎么样的，原理是什么？ 17. 了解图像检索吗？ 18. 知道minibatch-Gradient descent吗？为什么它的作用和batchGradient descent一样？Batch的值是不是越大越好？如果batch为1，会出现什么问题？ 19. 你六级过了么。多少分，平时怎么看论文的。-因为面试官一直在说专业英语名词，有时候听不太清楚，所以问了这个问题； 20. 用softmax做分类函数，假如现在要对1w甚至10w类做分类会出现什么问题？-过拟合，怎么解决，面试官让自己想(不能使用softmax，使用三元组损失) 21. 如果我现在有一批工业零件，要做缺陷检测，但是有缺陷的零件样本很少，那你怎么解决呢？我提出训练一个模型只拟合正样本，然后输入负样本会判断他是负样本；继续问：那这个模型的结构是怎么样的，没答上来；(GANomaly模型结构)  22. 假如说前面用softmax得到一个值，那么我现在不用交叉熵函数，改用MSE会有什么问题呢？-说了一些，然而不对，问面试官，他说你自己想；(MSE不会收敛。第一、交叉熵函数计算loss是一个凸优化问题，MSE计算loss输出曲线是波动的，有很多局部极值点，变成一个非凸优化问题，不好收敛；第二、sigmod激活函数和mse一起使用时会出现梯度消失)  23. C++会么？学过一些，那我问个简单的好了；(int a=2;float *b;b=&a;cout*p;)输出值是多少？-说了是2.0，因为类型转换，面试官说你确定吗？你自己下去好好想想；(“int *”型的值不能分配给“float *”的实体)  24. 问你一道代码题：最长公共子序列知道么？知道的话怎么做？直接说状态转移方程，然后告诉我怎么做；时间复杂度是多少；O(n^2) 25. 求第K大的数，怎么做？说了冒泡，堆排序，快排变种；这三种的时间复杂度分别是多少； 26. 会计算感受野吗？两个k=3*3,s=1的感受野；一个k=3*3,s=1,一个k=3*3,s=2的感受野；两个k=3*3,s=2的感受野；一个k=3*3,s=2,一个k=3*3,s=1的感受野；一个k=3*3,s=1,一个k=3*3,s=1，膨胀率为2的空洞卷积感受野；一个k=3*3,s=1,一个k=3*3,s=2的反卷积感受野；反卷积的感受野不会，每次说了答案，都要问好几遍，你确认是这样的吗？ 27. 说一下你的优点？说了知识面可能会广一点，有实习经历，面试官说不算，然后又开始说。。。   全程1小时16分钟，凉