记某笔试

南京一日来回参加了一场某公司的笔试。

申请的岗位是图像方向算法的研发岗位。笔试的时候图像/NLP/语音等算法研发是一起考的。毕竟这是一家做神经网络/深度学习的公司,所以算法研发的岗位笔试全是这方面的题。

1. 深度学习有哪些成功的应用?为什么。
2. 卷积神经网络有哪些layer?
3. 给以下算法分类(降维,分类,聚类,回归):
PCA,logistic regression, kmeans,pls,auto-encoder,rbm,svm
4. SVM的核函数的作用。
5. 一道简单的概率题
6. 常用的优化神经网络的方法。
7. 神经网络训练中的过拟合和欠拟合的原因,解决办法。训练神经网络的过程中参数调优从哪几方面入手可以得到比较好的结果。
8. 编程题。从二维点集拟合多项式。
9. 编程题。布丰投针实验的数学证明以及编程实现。
10. Kmeans算法的基本原理,常用的终止条件。以Kmeans算法为例说明EM算法(Expectation-Maximization)的原理及步骤。以及用MPI或Hadoop的伪代码实现Kmeans的并行。
11-13是三道面向语音方向算法研发的附加题。没有太多关注。

毕竟招的是算法研发岗位,这套笔试题还是很符合岗位的需求的。但是实际上如果让大部分的本科生来做这类题目肯定是药丸的。毕竟国内高校的本科生在本科阶段接触科研的人数总的来说还是一个非常小的数量。虽然我略有一点科研经验,但是很惭愧,面对这些题目,很多时候只是对某个名词比较熟悉,但是究其原理还是不能烂熟于胸。答题的时候能自信完全正确的实在太少了。比如Kmeans的原理其实在今年上半年某一次小组讨论的时候很详细的探讨过,但是今天并不能完整地回答出来。实在是惭愧。

相比之下,一起去同行的一个小伙伴投的是软件研发岗位,笔试的内容就集中在基本的数据结构和算法以及编程功力了。

发表评论

电子邮件地址不会被公开。 必填项已用*标注