首先笔试，内容包含深度学习相关基础知识/C语言基础知识和数据结构及算法基础，最后一道手写链表的程序题；
然后面试环节主要包含简单的介绍一下自己，以及你的一些工作项目经验

1、什么样的数据集不适合深度学习？（1）数据集太小，数据样本不足时，深度学习相对其它机器学习算法，没有明显优势。
（2）数据集没有局部相关特性，目前深度学习表现比较好的领域主要是图像／语音／自然语言处理等领域，这些领域的一个共性是局部相关性。图像中像素组成物体，语音信号中音位组合成单词，文本数据中单词组合成句子，这些特征元素的组合一旦被打乱，表示的含义同时也被改变。对于没有这样的局部相关性的数据集，不适于使用深度学习算法进行处理。
2、全连接层和1*1卷积的区别？

赞一下(0) 踩一下

校招获取的面试
面试 单面 20分钟
先是自我介绍，然后是
面试官是专业的工科出身，问题都是与项目相关的
介绍学校的项目

机器学习中，有哪些特征选择的工程方法？
常见的分类算法有哪些？
常见的监督学习算法有哪些？
试推导样本空间中任意点x到超平面（w,b）的距离公式。
从网上下载或自己编程实现一个卷积神经网络，并在手写字符识别数据MNIST上进行试验测试。
神经网络中激活函数的真正意义？一个激活函数需要具有哪些必要的属性？还有哪些属是好的属性但不必要的？
梯度下降法的神经网络容易收敛到局部最优，为什么应用广泛？

赞一下(0) 踩一下

我是跨专业，本科学的是软件工程，硕士学的是地质工程专业，所以hr一上来就问了我跨专业的问题，因为我做的是电磁测井方向的，而这家公司主要研究的是通信，所以也不能说完全没有任何关联，这可能也是hr通过我简历的原因吧。
问的问题挺多的，面试了差不多30分钟，其中还涉及到了专业问题，以及项目经历什么的。

1.研究生期间学到了什么知识，具体有一些什么专业课？
2.跨专业学习的难度大不大，遇到困难都是怎么解决的？
3.帮助最大的一门课是什么，怎么学习的？
4.做项目的过程中是怎么解决的，有没有遇到什么很大的困难？
5.傅里叶变换的原理。

赞一下(0) 踩一下