此次從投簡(jiǎn)歷到今天面試共用了兩天加一個(gè)晚上，寫下我的面經(jīng)，僅供交流學(xué)習(xí)之用；

先是在電話里根據(jù)自己的項(xiàng)目經(jīng)驗(yàn)問(wèn)了些情況，然后安排了今天的面試。先是40min做了一套筆試題，題目回憶版如下：

1、全局變量、局部變量和靜態(tài)變量有什么特點(diǎn)和區(qū)別；

2、動(dòng)態(tài)建立二維數(shù)組(數(shù)組大小為m*n)，然后再釋放；

3、OpenCV里的Mat和 ?的區(qū)別；

4、解釋一下overloading和overriding(今天中午在地鐵上看C++多態(tài)的時(shí)候剛好看到這個(gè)，順便記住了這兩個(gè)單詞，好險(xiǎn))；

5、在優(yōu)化目標(biāo)的時(shí)候，l0、l1、l2范數(shù)的作用；

6、編程題：有一個(gè)字符串str，判斷字符串中的括號(hào)是否完全匹配；例如：str1=‘12{43[9]8（32）}’中有‘{‘和‘}‘匹配、‘[‘和‘]‘匹配、‘(‘和‘)‘匹配，所以稱str1符合規(guī)范。str2=‘12[894（9+0）’中的'['沒(méi)有匹配的‘]’，所以str2不合規(guī)范。str3=‘1+2873{rw(r)’、str4=‘87+83-(9ry3q{0}’等都不合規(guī)范。

7、翻譯。跟圖像識(shí)別相關(guān)的一個(gè)翻譯，有個(gè)別生詞，也算是有難度啦。

面試：

1、SVM的對(duì)偶問(wèn)題是怎么回事？能不能解釋一下。（這個(gè)昨天晚上自己手推了一遍SVM，還算是比較清楚，不過(guò)也不知道自己解釋清楚了沒(méi)）

2、KKT條件的適用情況（這個(gè)庫(kù)恩塔克條件以前都只是看看，也沒(méi)刻意去記，所以記不太清了）

3、還知道BP神經(jīng)網(wǎng)絡(luò)的哪些變形？（這個(gè)問(wèn)題讓我有點(diǎn)兒懵，現(xiàn)在想想，這個(gè)應(yīng)該是問(wèn)我知不知道其他類型的神經(jīng)網(wǎng)絡(luò)的意思吧？T-T）

4、SVM支持向量機(jī)指的是哪些點(diǎn)呢（在不考慮有松弛的條件下）？此時(shí)的lamda值是等于0還是大于0呢？（這也記不清了，就回答了等于0）

5、簡(jiǎn)單講講GBDT的原理；以及為什么不用隨機(jī)森林、adaboost；

6、adaboosting懂不懂？講講。。。這個(gè)，真沒(méi)記住。

7、優(yōu)化目標(biāo)函數(shù)的時(shí)候有哪些方法？（牛頓迭代法、后來(lái)問(wèn)的是牛頓二次迭代，這個(gè)只記得牛頓的公式了，臨時(shí)推的時(shí)候有點(diǎn)兒心亂，愣是寫不出來(lái)了，我愧對(duì)自己的數(shù)學(xué)老師）

8、logistics回歸知道不？簡(jiǎn)單講講。

9、與之對(duì)應(yīng)的神經(jīng)網(wǎng)絡(luò)出現(xiàn)的梯度消失和梯度爆炸是怎么回事？（這個(gè)笨貓貓同學(xué)給我講過(guò)^-^）怎么解決這些問(wèn)題呢？（這個(gè)只記得在書上看過(guò)，給貓貓同學(xué)講過(guò)，但是我還是一時(shí)給忘了）

10、你知道的圖像處理操作有哪些？sift了解嗎？（sift我跑過(guò)別人的代碼，配置環(huán)境的文章見(jiàn)：點(diǎn)擊打開鏈接可惜原理我是不記得了）

大概就這么些了吧，感覺(jué)自己還是很菜。雖然python用的還可以，但是對(duì)于做圖像的來(lái)說(shuō)C++還是必須要學(xué)的，后悔研一選修java而不是C++了。就這樣吧，我再補(bǔ)補(bǔ)知識(shí)去。

總結(jié)

以上是生活随笔為你收集整理的喵生中计算机行业的第一次面试经历的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。