对卷的解释很到位，望天下没有难找的工作

1. 从 R-CNN 到 Faster R-CNN 的演变R-CNN：Selective Search 提候选框，逐框CNN提特征，慢。Fast R-CNN：整图卷积 + RoI Pooling，共享特征，速度提升。Faster R-CNN：引入 RPN 生成候选框，实现端到端 two-stage 检测。2. 目标检测 two-stage 模型有哪些？典型 two-stage：Faster R-CNNMask R-CNNCascade R-CNN特点：精度高，尤其对小目标和复杂场景更稳；但速度一般慢于 one-stage。3. 说一下 NMS 的处理思想NMS（非极大值抑制）用于去重框：按置信...

双非一本，八股刚开始，这个简历能找到实习吗。。。

太想去一个大一点的公司实习了兄弟们，年后投了很多小公司，也都没回复，有点失去信心了。

1. 机器学习中特征的理解特征（Feature）是样本可量化的属性，是模型输入。特征质量通常决定模型效果上限。常见有数值、类别、文本、时间、统计聚合、交叉特征等。2. 机器学习中有哪些特征工程方法？常见方法：缺失值处理、异常值处理、编码、标准化/归一化、特征构造、特征选择、降维。 from sklearn.preprocessing import StandardScaler, OneHotEncoder from sklearn.compose import ColumnTransformer from sklearn.pipeline import Pipeline from sklear...