草庐IT

人工智能算法面试大总结-总目录

啥都生 2023-04-12 原文

前言

  • 该面经总结了春招/秋招各厂高频面试八股，除开围绕简历扣项目细节，公司最喜欢问的还是这些经典算法中涉及的知识点。
  • 目前涵盖Python、基础理论、分类与聚类、降维、支持向量机SVM、贝叶斯|决策树、KNN、Boosting&Bagging、回归、代价函数与损失函数、激活函数、优化函数、正则优化、初始化与归一化、卷积、池化、传统图像算法、模型评价指标、经典分类网络与发展、经典目标检测网络与发展、经典分割网络与发展、特征工程、模型优化。共374题（含参考答案）
  • 将不断更新实时维护这份面经，也希望订阅了的伙伴能及时纠错，遇到新的八股能及时反馈补充，我总结的这份面经秋招帮了大忙，每次面试前刷一遍，到后期越来越熟悉。之后还会补充各方面（如NLP、搜推广等），不要再观望啦，2022.09.11由19.9涨至29.9，特地给出总目录供还在犹豫的伙伴参考~

总目录

章节题目
人工智能面试总结-Python说说什么是解释性语言，什么是编译性语言？
说说Python程序运行过程？
说说Python的作用域？
说说Python的数据结构？
说说Python中可变与不可变类型？
说说进程与线程？
说说Python中的多线程？
说说Python中的多进程？
说说Python互斥锁与死锁？
说说Lambda？
说说Python的深拷贝与浅拷贝？
说说Python多线程是否能用多个CPU，为什么？
说说Python垃圾回收机制？
说说Python里的生成器？
说说迭代器与生成器的区别？
说说Python 列表的 del，remove和 pop 等用法和区别？
说说什么是闭包？
说说Python装饰器？（这个解释的很详细！）
说说Python中yeild和return的区别？
说说Python中set的底层实现？
说说Python中字典与set区别？
说说Python中__init__和__new__和__call__的区别？
说说Python内存管理？
说说Python中类方法和静态方法的区别？
说说点积和矩阵相乘的区别？
说说Python中错误和异常处理？
说说Python中try else 与finally区别？
说说什么是猴子补丁？
说说Python 中的is和==区别？
说说gbk和utf8的区别？
说说遍历字典的方法？
说说反转列表的方法？
说说元组转为字典的方法？
说说__init__.py 文件的作用以及意义？
说说函数调用参数的传递方式是值传递还是引用传递？
说说对缺省参数的理解？
说说你知道的列表去重的所有方式？
说说Python常见的列表推导式？
说说map与reduce函数？
说说hasattr() getattr() setattr() 函数使用详解？
说说except 的作用和用法？
在 except 中 return 后还会不会执行 finally 中的代码？怎么抛出自定义异常？
说说什么是断言？
说说如何理解Python中字符串中的\字符？
说说Python是如何进行类型转换的？
说说提高Python运行效率的方法？
说说Python中any()和all()方法？
说说Python中什么元素为假？
人工智能面试总结-基础理论说说你项目中怎么选择开发平台的？
说说你怎么进行超参数调优的？
说说为什么需要Batch Size？
说说归一化的目的？
说说局部最优与全局最优？
说说监督学习与非监督学习的区别？
说说监督学习有哪些步骤？
说说为什么神经网络越来越深？
说说神经网络变深的意义？
说说为什么深度神经网络较浅层网络难以训练？
说说超参数搜索过程？
说说什么是模型微调Fine tuning？
说说Fine tuning时是否会更新网络参数，为什么？
说说Fine tuning模型有哪些方法？
说说误差、噪声、偏差、方差的区别与联系？
说说熵是什么？
说说梯度消失、爆炸的解决方案？
说说深度学习为什么不用二阶优化？
说说什么是TOP5错误率？
人工智能面试总结-分类与聚类说说常用的分类算法，以及各自的优缺点？
说说为什么正确率有时不能有效评估分类算法？
说说什么样的分类器最好？
说说聚类算法有哪些衡量标准？
（选看）各聚类算法性能比较汇总
说说什么是聚类，你知道哪些聚类算法？
具体展开介绍你知道的聚类算法？
说说K-Means聚类算法流程？
说说K-Means聚类算法如何调优？
说说K-Means聚类算法如何选择初始点？
说说K-Means聚类聚的是特征还是样本？
说说K-Means聚类的特征距离是如何计算的？
说说聚类与分类的区别？
手撕K-Means聚类
人工智能面试总结-降维说说怎样避免维数灾难？
说说降维的必要性？
说说降维有什么意义？
说说PCA主成分分析？
说说PCA核心思想？
说说如何得到包含最大差异性的主成分方向？
说说特征值分解矩阵？
说说SVD分解矩阵？
说说PCA算法流程总结？
图解PCA核心思想
说说PCA降维之后的维度怎么确定？
说说PCA有什么优缺点？
推导PCA
说说线性判别分析LDA？
说说线性判别分析LDA核心思想？
图解LDA核心思想？
说说LDA算法流程？
说说LDA的优缺点？
说说PCA和LDA的区别？
人工智能面试总结-支持向量机SVM介绍下SVM？
推导下SVM？
说说SVM能解决哪些问题？
说说SVM核函数特点与作用？
说说SVM有什么主要特点？
说说SVM优缺点？
说说SVM为什么引入对偶问题？
说说SVM中你知道的核函数有以及表达式？
说说如何理解SVM中的对偶问题？
说说逻辑回归与SVM有什么区别？
说说如果特征比较多，用LR还是SVM？
说说SVM是否可以用随机梯度下降？
说说为什么SVM对缺失数据敏感？
说说SVM怎么防止过拟合？
人工智能面试总结-贝叶斯说说先验概率与后验概率？
说说极大似然估计的原理？
图解极大似然估计
说说朴素贝叶斯？
说说朴素贝叶斯有什么优缺点？
说说贝叶斯公式？
说说贝叶斯公式的基本原理？
说说朴素贝叶斯分类器？
说说怎么理解朴素贝叶斯的“朴素”？
说说什么是拉普拉斯平滑法?
说说朴素贝叶斯中有没有超参数可以调?
说说朴素贝叶斯中有什么具体应用?
说说朴素贝叶斯是否对异常值敏感?
了解半朴素贝叶斯分类器吗?
举例理解朴素贝叶斯分类器（最浅显易懂的经典案例）
人工智能面试总结-决策树说说决策树？
说说决策树原理？
说说决策树的划分标准？
说说信息增益？
说说树模型怎么判断叶子节点是否要分裂？
说说ID3和C4.5的区别？
说说决策树有哪些要素？
说说决策树中剪枝的作用？
说说剪枝有哪些策略？
说说剪枝中的预剪枝与后剪枝？
说说预剪枝与后剪枝优缺点？
说说树模型怎么处理离散特征？
说说决策树需要进行归一化吗？
说说决策树优缺点？
说说决策树过拟合原因与解决办法？
说说决策树与逻辑回归的区别？
说说决策树中的损失函数？
说说决策树算法流程？
人工智能面试总结-KNN说说KNN是什么？
说说KNN有哪些要素？
说说KNN的K值怎么选？
说说KNN数据是否需要归一化？
说说欧式距离与曼哈顿距离，KNN用什么？
说说K值设置过大有什么影响？
说说KNN的优缺点？
人工智能面试总结-Boosting&Bagging说说集成学习方法有哪些？
说说Boosting算法？
说说Bagging算法？
介绍下AdaBoost、GBDT、XGboost、LightGBM、RF算法？
说说Adaboost的优缺点？
说说LightGBM与XGBoost的区别？
说说XGBoost、GBDT的区别？
说说XGBoost的block结构？
说说随机森林与GBDT区别？
说说GBDT是否适合于处理大规模的ID特征？
说说GBDT算法步骤？
说说GBDT为什么使用决策树作为基学习器？
说说GBDT的G梯度的向量长度为多少？
说说LightGBM的直方图排序后会比XGBoost的效果差吗？
说说XGBoost正则化项和什么有关？
说说XGBoost缺失值处理方法？
说说为什么XGBoost要二阶展开？
说说XGBoost如果损失函数没有二阶导怎么处理？
说说随机森林是什么随机？
说说Bootstrap？
人工智能面试总结-回归说说线性回归？
说说独立同分布？
推导线性回归？
说说线性回归优缺点？
说说逻辑回归？
推导逻辑回归？
说说逻辑回归的优缺点？
说说回归与分类的区别？
说说逻辑回归中是否需要特征归一化？
说说如何优化逻辑回归性能？
说说逻辑回归的特征离散化？
说说最小二乘法在什么条件下与极大似然估计等价？
说说逻辑回归可以将参数初始化为0吗？
说说逻辑回归为什么不用平方损失函数？
说说逻辑回归与线性回归关系？
人工智能面试总结-代价函数与损失函数说说代价函数的作用？
说说代价函数为什么要非负？
说说你知道的代价函数？
说说损失函数是什么？
说说损失函数作用？
说说你知道的损失函数？
说说用于回归的损失函数？
说说用于分类的损失函数？
说说检测与分割中的损失函数？
说说交叉熵函数与最大似然函数的联系和区别？
用公式说明下交叉熵函数与最大似然函数联系？
说说Sigmoid作为激活函数时为什么要用交叉熵损失函数而不用均方误差损失函数？
说说交叉熵损失函数（Cross-entropy）和 均方误差损失函数（MSE）的区别？
推导交叉熵损失函数？
说说交叉熵的思想？
说说交叉熵损失函数为什么有log项？
说说KL散度？
说说深度神经网络（DNN）的损失函数是什么？
手撕IoU?
人工智能面试总结-激活函数说说激活函数作用？
说说激活函数为什么需要非线性函数？
说说你知道的激活函数以及各自特点、适用场景？
说说ReLU6?
说说ELU指数线性单元特点？
说说Sigmoid的缺点，以及如何解决？
说说ReLU在零点可导吗，如何进行反向传播？
Sigmoid求导推导一下？
Softmax求导推导一下？
说说Softmax溢出怎么处理？
说说激活函数有哪些性质？
说说如何选择激活函数？
说说ReLU函数的特点？
说说什么时候用线性激活函数？
说说怎么理解ReLU负半区间也是非线性激活函数？
说说Softmax 函数如何应用于多分类？
人工智能面试总结-优化函数说说优化函数的作用？
说说梯度下降法的作用？
说说梯度下降法算法步骤？
说说你知道的优化函数？
展开说说梯度下降、批次梯度下降、随机梯度下降？
说说Batch的影响？
说说批量梯度下降与随机梯度下降区别？
说说哪些方法对梯度引入动量进行改进？
说说哪些方法对学习率引入动量进行改进？
说说各优化器在优化什么以及大致优化步骤？
说说SGD和Adam的对比？
说说Adam的二阶矩原理？
人工智能面试总结-正则优化函数说说过拟合与欠拟合？
说说什么是正则化？
说说正则化的作用？
说说有哪些解决过拟合问题的方法？
说说L1（lasso）与L2（ridge）正则的区别？
说说L1与L2为什么对于特征选择有着不同方式？
说说L1正则的缺点？
说说L1为什么可以让模型稀疏？
说说L1与L2符合什么分布？
说说BN（Batch Normolization）？
BN训练与测试有什么不同？
说说BN/LN/IN/GN？
说说Dropout改进？
说说BN与Dropout联合使用？
说说方差偏移？
说说Dropout的补偿？
说说BN的γ与β ？
推导BN+卷积的公式？
人工智能面试总结-初始化与归一化说说什么是网络参数初始化？
说说为什么需要合理的参数初始化？
说说理想的参数初始化应该是什么？
说说你知道的初始化方法？
说说全0初始化？
说说等值初始化？
说说随机初始化？
说说随机初始化缺陷？
说说Xavier初始化？
说说He初始化？
用公式说明梯度消失与梯度爆炸（手推）？
说说为什么要归一化？
说说为什么归一化能提高最优解的求解速度？
说说归一化的类型？
说说局部响应归一化作用？
说说什么是批归一化？
说说批归一化（BN）算法流程？
人工智能面试总结-卷积说说什么是卷积？
说说图像卷积过程？
说说卷积层基本参数？
说说卷积操作后图像大小计算方式？
说说卷积神经网络中的权重共享？
说说上采样中的反卷积？
说说空洞卷积？
说说空洞卷积输出计算公式？
说说深度可分离卷积？
说说可分离卷积与常规卷积的计算量？
说说为什么可分离卷积中Depthwise卷积后还要进行pointwise卷积？
说说分组卷积？
说说三维卷积？
说说1x1卷积作用？
说说卷积的底层实现/加速技巧？
说说卷积神经网络的特点？
手推卷积实现原理？
人工智能面试总结-池化说说什么是池化？
说说池化层的作用？
说说平均池化？
说说最大池化？
说说Stochastic pooling(随机池化)？
说说重叠池化？
说说空间金字塔池化？
说说ROI Pooling
说说最大池化与平均池化是如何进行反向传播的？
说说卷积层与池化层的区别？
说说池化操作对输出特征图的计算方式？
人工智能面试总结-传统图像算法说说相机标定？
说说图像的边缘是什么？
说说边缘检测的任务以及基本原理
说说Canny边缘检测算子？
说说除Canny外还知道什么边缘检测算子？
说说霍夫变换步骤？
说说仿射变换？
说说透视变换？
说说最小二乘法？
说说SIFT算子以及有什么特点？
说说SIFT特征提取与匹配算法步骤？
说说SIFT和SURF区别？
说说图像腐蚀与膨胀？
说说图像开闭运算？
说说了解哪些插值算法？
说说双线性插值操作过程？
人工智能面试总结-模型评价指标说说分类模型评估有哪些常用方法？
说说回归模型评估有哪些常用方法？
说说混淆矩阵？
说说错误率与精度？
说说查准率、查全率、F1-Score？
说说如何计算TPR与FPR？
说说ROC与AUC？
说说ROC曲线如何画？
说说AUC的定义？
说说如何计算AUC？
说说AUC的两种计算方法？
说说AUC优缺点？
说说为什么ROC曲线对正负样本比例不敏感？
说说PR曲线图？
说说AP与mAP？
人工智能面试总结-经典分类网络与发展说说经典分类网络有哪些？
说说LeNet-5？
说说AlexNet？
说说Network in Network？
说说VGGNet？
说说GoogLeNet？
说说ResNet?
说说Inception系列？
说说DenseNet？
说说Xception？
简要说说MobileNet系列？
说说ShuffleNet？
说说SENet？
人工智能面试总结-经典目标检测网络与发展说说目标检测领域几大任务？
说说目标检测算法有哪些分类？
说说Single Shot MultiBox Detector（SSD）？
说说DSSD？
说说You Only Look Once v1（YOLOv1）
说说YOLOv2？
说说YOLOv3？
说说YOLOv4?
说说R-CNN？
说说Fast R-CNN？
说说Faster R-CNN？
说说Faster R-CNN 训练和测试的流程有什么不一样？
说说Fast R-CNN中的RoI Pooling？
说说非极大值抑制流程？
手推NMS？
说说Anchor锚框？
说说Anchor based优缺点？
说说Anchor free优缺点？
说说什么是类别不均衡，会带来什么问题？
说说为什么二阶段网络不会出现类别不均衡问题？
说说Focal Loss？（肥肠重要）
人工智能面试总结-经典分割网络与发展说说图像分割有哪几类？
说说为什么传统CNN的输入图片是固定大小？
说说FCN？
说说SegNet？
说说使用池化层进行上采样的优势？
说说U-Net？
说说PSPNet？
说说DeepLab v1？
说说DeepLab v2？
说说DeepLab v3？
说说Mask R-CNN？
说说RoIAlign？
人工智能面试总结-特征工程说说你知道的特征工程？
说说遇到缺值的情况如何处理？
说说机器学习中解决样本不均衡问题的方法？
说说深度学习中解决样本不均衡问题的方法？
说说如何解决训练样本少的问题？
说说常见的特征筛选方法？
说说特征选择的目的？
说说训练时出现Nan的原因？
说说怎么找出相似性高的特征并去掉？
人工智能面试总结-模型优化说说你知道的模型压缩方法？
说说模型压缩的作用与意义？
说说低秩近似？
说说剪枝与稀疏约束？
说说参数量化方法？
说说二值网络？
说说知识蒸馏？
说说降低网络复杂度但不影响精度的方法？
说说模型优化加速方法？
说说TensorRT加速原理？
人工智能人工xff1fxff1xff算法面试秋招社招

有关人工智能算法面试大总结-总目录的更多相关文章

  1. 区块链之加解密算法&数字证书 - 2

    目录一.加解密算法数字签名对称加密DES(DataEncryptionStandard)3DES(TripleDES)AES(AdvancedEncryptionStandard)RSA加密法DSA(DigitalSignatureAlgorithm)ECC(EllipticCurvesCryptography)非对称加密签名与加密过程非对称加密的应用对称加密与非对称加密的结合二.数字证书图解一.加解密算法加密简单而言就是通过一种算法将明文信息转换成密文信息，信息的的接收方能够通过密钥对密文信息进行解密获得明文信息的过程。根据加解密的密钥是否相同，算法可以分为对称加密、非对称加密、对称加密和非

  2. 【Java 面试合集】HashMap中为什么引入红黑树，而不是AVL树呢 - 2

    HashMap中为什么引入红黑树，而不是AVL树呢1.概述开始学习这个知识点之前我们需要知道，在JDK1.8以及之前，针对HashMap有什么不同。JDK1.7的时候，HashMap的底层实现是数组+链表JDK1.8的时候，HashMap的底层实现是数组+链表+红黑树我们要思考一个问题，为什么要从链表转为红黑树呢。首先先让我们了解下链表有什么不好？？？2.链表上述的截图其实就是链表的结构，我们来看下链表的增删改查的时间复杂度增：因为链表不是线性结构，所以每次添加的时候，只需要移动一个节点，所以可以理解为复杂度是N(1)删：算法时间复杂度跟增保持一致查：既然是非线性结构，所以查询某一个节点的时候

  3. SPI接收数据异常问题总结 - 2

    SPI接收数据左移一位问题目录SPI接收数据左移一位问题一、问题描述二、问题分析三、探究原理四、经验总结最近在工作在学习调试SPI的过程中遇到一个问题——接收数据整体向左移了一位（1bit）。SPI数据收发是数据交换，因此接收数据时从第二个字节开始才是有效数据，也就是数据整体向右移一个字节（1byte）。请教前辈之后也没有得到解决，通过在网上查阅前人经验终于解决问题，所以写一个避坑经验总结。实际背景：MCU与一款芯片使用spi通信，MCU作为主机，芯片作为从机。这款芯片采用的是它规定的六线SPI，多了两根线：RDY和INT，这样从机就可以主动请求主机给主机发送数据了。一、问题描述根据从机芯片手

  4. 100个python算法超详细讲解：画直线 - 2

    1．问题描述使用Python的turtle（海龟绘图）模块提供的函数绘制直线。2．问题分析一幅复杂的图形通常都可以由点、直线、三角形、矩形、平行四边形、圆、椭圆和圆弧等基本图形组成。其中的三角形、矩形、平行四边形又可以由直线组成，而直线又是由两个点确定的。我们使用Python的turtle模块所提供的函数来绘制直线。在使用之前我们先介绍一下turtle模块的相关知识点。turtle模块提供面向对象和面向过程两种形式的海龟绘图基本组件。面向对象的接口类如下：1）TurtleScreen类：定义图形窗口作为绘图海龟的运动场。它的构造器需要一个tkinter.Canvas或ScrolledCanva

  5. 玩以太坊链上项目的必备技能（初识智能合约语言-Solidity之旅一） - 2

    前面一篇关于智能合约翻译文讲到了，是一种计算机程序，既然是程序，那就可以使用程序语言去编写智能合约了。而若想玩区块链上的项目，大部分区块链项目都是开源的，能看得懂智能合约代码，或找出其中的漏洞，那么，学习Solidity这门高级的智能合约语言是有必要的，当然，这都得在公链``````以太坊上，毕竟国内的联盟链有些是不兼容Solidity。Solidity是一种面向对象的高级语言，用于实现智能合约。智能合约是管理以太坊状态下的账户行为的程序。Solidity是运行在以太坊（Ethereum）虚拟机（EVM）上，其语法受到了c++、python、javascript影响。Solidity是静态类型

  6. 西安华为OD面试体验 - 2

    西安华为OD面试体验开始投简历技术面试进展工作进展开始投简历去年一整年一直在考研和工作之间纠结，感觉自己的状态好像当时的疫情一样差劲。之前刚毕业的时候投了个大厂的简历，结果一面写算法的时候太拉跨了，虽然知道时dfs但是代码熟练度不够，放在平时给足时间自己可以调试通过，但是熟练度不够那面试当时就写不出来被刷了。说真的算法学到后期我感觉最重要的是熟练度和背板子（对于我这种普通玩家来说），面试题如果一上来短时间内想不出思路就完蛋了。然后由于当时找的工作不是很理想就又想考研了。但是考研是有风险的，我自我感觉自己可能冲不上那个学校，而找工作一个没成可以继续找嘛。本着抱着试试看的态度在boss上投了简历，

  7. Simulink方法总结和避坑指南（一）——Simulink入门与基本调试方法 - 2

    文章目录一、项目场景二、基本模块原理与调试方法分析——信源部分：三、信号处理部分和显示部分：四、基本的通信链路搭建：四、特殊模块：interpretedMATLABfunction：五、总结和坑点提醒一、项目场景  最近一个任务是使用simulink搭建一个MIMO串扰消除的链路，并用实际收到的数据进行测试，在搭建的过程中也遇到了不少的问题（当然这比vivado里面的debug好不知道多少倍）。准备趁着这个机会，先以一个很基本的通信链路对simulink基础和相关的debug方法进行总结。  在本篇中，主要记录simulink的基本原理和基本的SISO通信传输链路（QPSK方式），计划在下篇记

  8. 智能客服 | 浅谈人工智能聊天机器人ChatGPT - 2

    2022年底，OpenAI的预训练模型ChatGPT给人工智能领域的爱好者和研究人员留下了深刻的印象和启发，他展现的惊人能力将人工智能的研究和应用热度推向高潮，网上也充斥着和ChatGPT的各种聊天，他可以作诗、写小说、写代码、讨论疫情问题等。下面就是一些他的神回复：人命关天的坑： 写歌，留给词作者的机会不多了。。。 回答人类怎么样面对人工智能： 什么是ChatGPT？借用网上的一段介绍，ChatGPT是由人工智能研究实验室OpenAI在2022年11月30日发布的全新聊天机器人模型，一款人工智能技术驱动的自然语言处理工具。它能够通过学习和理解人类的语言来进行对话，还能根据聊天的上下文进行互动

  9. ruby - 在 Ruby 中实现 Luhn 算法 - 2

    我一直在尝试用Ruby实现Luhn算法。我一直在执行以下步骤:该公式根据其包含的校验位验证数字，该校验位通常附加到部分帐号以生成完整帐号。此帐号必须通过以下测试:从最右边的校验位开始向左移动，每第二个数字的值加倍。将乘积的数字(例如，10=1+0=1、14=1+4=5)与原始数字的未加倍数字相加。如果总模10等于0(如果总和以零结尾)，则根据Luhn公式该数字有效；否则无效。http://en.wikipedia.org/wiki/Luhn_algorithm这是我想出的:defvalidCreditCard(cardNumber)sum=0nums=cardNumber.to_s.s

  10. Ruby 斐波那契算法 - 2

    下面是我写的一个计算斐波那契数列中的值的方法:deffib(n)ifn==0return0endifn==1return1endifn>=2returnfib(n-1)+(fib(n-2))endend它工作到n=14，但在那之后我收到一条消息说程序响应时间太长(我正在使用repl.it)。有人知道为什么会这样吗？ 最佳答案 Naivefibonacci进行了大量的重复计算-在fib(14)fib(4)中计算了很多次。您可以将内存添加到您的算法中以使其更快:deffib(n,memo={})ifn==0||n==1returnnen

随机推荐