今年的金九银十已经开始喽，相信有不少同学已经陆续面试了，但个人能亲自经历的面试题/面试经验相对还是很少的，所以很有必要看看其它同学的面试题/经验，可以很好的作为查漏补缺的工具，以便更好地应对面试。下面是我为大家整理的近期60道各个方向的AI算法高频面试题，希望对你的求职有所帮助。如果点赞和点在看的人数较多，我会后续整理资料并分享答案给大家。机器学习（15题）1. 为什么 LR 用交叉熵损失而不是平方损失？2. 为什么SVM要引入核函数？3. SVM核函数有哪些？4. GBDT 和 AdaBoost 区别5. XGBoost 和 GBDT 的区别6. K-Means 的迭代循环停止条件 7. Bagging 和 Boosting 的区别8. 为什么朴素贝叶斯被称为“朴素”？  9. 决策树的ID3和C4.5介绍一下 10. 随机森林处理缺失值的方法11. 机器学习中的分类、回归和聚类模型有哪些？  12. CRF 的损失函数是什么？13. 特征值和SVD的区别14. L1和L2正则化的区别15. 为什么 L2 正则化可以防止过拟合？深度学习（15题）1. 神经网络怎样进行参数初始化？2. 介绍卷积神经网络的反向传播3. CNN 模型所需的计算力（flops）和参数（parameters）数量是怎么计算的？4. 感受野怎么计算？5. 介绍常见的正则化方法6. BN 可以防止过拟合么？为什么 7. BN 在训练和测试的区别？  8. Dropout 在训练和测试的区别9. 1*1 卷积有什么作用？ 10. ResNet为什么不用Dropout?  11. 什么是Bottlenet layer？12. 介绍一下Inception系列（V1-V4）  13. Squeeze-Excitation结构是怎么实现的？14. 介绍一下组卷积15. MobileNet系列为什么快？计算机视觉（15题）1. 如何计算 mIoU？2. 如何计算 mAP？3. 介绍一下非极大值抑制NMS及其变体4. 介绍一下Anchor的概念5. 有哪些可以解决目标检测中正负样本不平衡问题的方法6. 介绍一下RoI Pooling 和RoI Align7. YOLOv4相较于YOLOv3有哪些改进？速度更快还是更慢，为什么？8. U-Net神经网络为什么会在医学图像分割表现好？9. 为什么图像分割要先encode，再decode？10. 介绍一下目标检测中的多尺度训练/测试11. 如何提高小目标检测？12. 什么是Anchor-free？13. 介绍你了解的Anchor-free检测网络，并说明优缺点14. 如何解决多尺度问题？15. 介绍一下Focal LossC++（15题）1. C++虚函数的实现机制2. 虚函数有哪些作用？3. STL中的 vector 和 list 的区别4. 怎么理解C++面向对象？跟Python面向对象有什么区别？5. 堆区和栈区什么区别？6. 什么是内存泄漏？怎么产生的？如何检测？7. 全局static变量和非static的有什么区别？8. 为什么.h里面一般只放函数声明？9. vector.size() 和 vector.capicity() 区别10. map实现原理11. set实现原理12. C++四种强制类型转换有哪些？13. 介绍一下智能指针14. C++是如何实现多态的？ 15. new、delete、malloc、free关系?上面60道面试题你都能回答出来吗？希望以上面试题对大家有用，需要后续整理的面试资料的朋友，大家记得关注下小编哦********************最后，祝愿大伙秋招加油！面试资料内容会涵盖：数学、机器学习、深度学习、强化学习、计算机视觉、传统图像处理、自然语言处理、SLAM、推荐算法、编程知识（C/C++、Python）、深度学习框架（PyTorch、TensorFlow）等内容。