人工智能笔试题及参考答案
1.视觉计算任务有哪些,你怎么分类
14、描述数据分析的流程。
15、高斯混合模型 (GMM) 中,推导方程。
16、怎样衡量用户对视频的喜爱程度?
17、模拟一个二元正态分布。
18、求一个分布的方差。
19、怎样建立中位数的Estimator?
20、如果回归模型中的两个系数估计,分别是统计显著的,把两个放在一起测试,会不会同样显著?
视觉计算任务有哪些,你怎么分类
求导1/x。
画出log (x+10)曲线。
一枚硬币抛10次,得到8正2反。试析抛硬币是否公平?p值是多少?
解释一个非正态分布,以及如何应用。
为什么要用特征选择?如果两个预测因子高度相关,系数对逻辑回归有怎样的影响?系数的置信区间是多少?
K-mean与高斯混合模型:K-means算法和EM算法的差别在哪里?
使用高斯混合模型时,怎样判断它适用与否?(正态分布)
聚类时标签已知,怎样评估模型的表现?
为什么不用逻辑回归,而要用GBM?
模拟一个二元正态分布。
多尺度问题
anchor基础知识
人脸识别现在常用算法
语义分割到实例分割怎么做
GAN是否了解,如何通俗的讲其原理
PCA原理LDA原理
SVM+HOG
XGBoost
CNN、RCNN、FRCNN,有可能问你其中一个细节的关键
TensorFlow这些框架你谈一下看法以及对其他框架的了解
现在机器学习、深度学习这么火,你有什么看法
机器学习、深度学习你对他们的理解是什么
做门牌或者车牌识别的步骤以及关键
Relu比Sigmoid使用多的原因
Loss不升反降的原因,如何解决
CNN使用范围是具有局部空间相关性的数据,比如图像,自然语言,语音
推导backward
解释deconv的作用:
解释BN(写出公式)以及实现机制:
解释dropout以及实现机制:
深度学习中有什么加快收敛/降低训练难度的方法:
什么造成过拟合,如何防止过拟合:
规则化项有什么,各有什么样的效果,为什么起作用
为什么梯度会消失和爆炸:
深度网络激活元的作用、分类和各自使用范围/优劣
正则化方法以及特点:
损失度量:
解释softmax、logit regression、交叉熵(要回推导):
解释alpha狗:
解释resnet、优缺点以及适用范围:
GAN的公式以及发展历程:
densenet结构优缺点以及应用场景
dilated conv优缺点以及应用场景
moblenet、shufflenet的结构
有什么降维方法:
- Read more about 人工智能笔试题及参考答案
- Log in to post comments