深度学习工程师考试内容

近几年人工智能领域大热，专业人才缺口问题也逐渐显现。由于校招薪资比其他方向的开发人员高，很多同学想学习机器学习，毕业以后从事算法相关的岗位。所谓知己知彼，百战不殆，下面整理了一些面试深度学习算法工程师常考的知识点，帮助同学们更好的了解深度学习，提高个人的竞争力。1)经典算法：EM,HMM,贝叶斯网络，朴素贝叶斯，聚类，PCA,LDA，高斯混合模型等等。2) 概率论相关：各种分布，极大似然，最大后验，假设检验的过程(显著性水平和p的区别和联系)，卡方检验等等。3)机器学习主要模型：线性回归，逻辑回归，svm，各种树模型等等。原理公式要会，也要能熟悉推导过程。4)大数据，要了解并行化分布式的东西，比如hadoop,spark,Hive等，要明白底层的工作原理。另外，我们要知道面试回答问题的过程其实是各方面能力的展现过程。对面试官提出的问题，不要想当然地给出非此即彼的答案，要把自己的思考过程、分析脉络表述出来。很多时候面试官看重的不是你的答案，而是你分析问题解决问题的思维过程。

人工智能、大数据、云计算和物联网是目前非常热门而且前沿的领域，未来发展前景值得重视。不论是薪资待遇，还是人才缺口，都对程序员有很大的吸引力。那么在面试深度学习高级工程师的时候，HR都看重哪些能力呢？(1) 熟练的编程开发能力对于深度学习高级工程师而言，掌握python编程语言是最基础的能力。除此之外，还要至少掌握一门底层开发语言。毕竟公司招人不会只为了让你训练模型写论文，有时候还要把模型部署到手机上，优化底层算法等等，所以也要掌握CC++等编程语言。(2) 优秀的模型开发能力深度学习技术具有很高的灵活性，特别是随着许多流行的深度学习框架的出现，如Tensorflow，Keras，Caffe，MXnet，PyTorch，Theano等。这些工具大多以模块化方式开发，并具有活跃的社区和专业的支持。虽然深度学习的开源代码很多，但是以学术研究模型为主，很少有企业会把产品线上优化过的核心模型放出来。所以优秀的模型开发能力，是必须要具备的。

一些基础算法题。包含但不仅限于大学里面ACM-ICPC竞赛中的数论、图论、数据结构、动态规划、几何数学等。不过鉴于很多面试官不是选手出身，所以你被问到的很可能是“Google面试题”、“Facebook面试题”、“国内某BATM面试题”之类的算法题，你可以以这些为关键字上网搜搜看，或者上LeetCode之类的刷题网站（ps:我没有用过）刷刷题找找感觉。情景题。面试官可能会给你出一个情景题“在XXX情况下（此处省略100字），你有什么比较好的方案”。比如说你面试的是搜索引擎，面试官就和可能和你聊一些搜索引擎的问题；比如你面试的是在线广告竞价，他可能就会和你聊一聊一些小网站里面的小广告；又或者你去面试游戏，可能会被问怎么解决当摄像头跑到墙后面时候的问题。你这里是深度学习，可能也会被问到以后这方面的情景题吧，你要准备一下。不过其实你回答不出来也没有很大问题（如果你是校招或者刚刚转行想做这个），这方面主要考考你的逻辑思维和口头表达能力。专业知识。深度学习这方面的专业知识。具体看公司要求了。如果他是想要找一些底子好的苗子自己培养，你这块懂不懂也没有太大关系。不过这是一个现实的社会，基本上都是要你在深度学习（视觉）方面的能力达到他们的需求的。而且我要是刚刚把你培养出来你就跳槽了那公司不就亏大了，所以现在招工基本上都要招能马上上手的。聊聊梦想。其实你在去面试之前，HR就可能做好了背景调查，所以你可能已经是他们想要的人了。这个时候面试官可能忽略上述条件直接和你聊生活聊理想了。这个时候要切记工资是否达到了你的要求，将来是否有长足的发展，因为如果饭都吃不饱，还谈个什么理想！不过也有可能是在测试你的沟通能力。