人工智能,笔试,ai,

人工智能笔试题及参考答案

Submitted by neurta on Fri, 12/04/2020 - 10:04
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: