人工智能筆試題及參考答案

Submitted by neurta on Fri, 12/04/2020 - 10:04
人工智能筆試

視覺計算任務有哪些,你怎么分類

高斯混合模型 (GMM) 中,推導方程。

怎樣衡量用戶對視頻的喜愛程度?

模擬一個二元正態分布。

求一個分布的方差。

怎樣建立中位數的Estimator?

如果回歸模型中的兩個系數估計,分別是統計顯著的,把兩個放在一起測試,會不會同樣顯著?

?

視覺計算任務有哪些,你怎么分類

求導1/x。

畫出log (x+10)曲線。

一枚硬幣拋10次,得到8正2反。試析拋硬幣是否公平?p值是多少?


解釋一個非正態分布,以及如何應用。

為什么要用特征選擇?如果兩個預測因子高度相關,系數對邏輯回歸有怎樣的影響?系數的置信區間是多少?

K-mean與高斯混合模型:K-means算法和EM算法的差別在哪里?


使用高斯混合模型時,怎樣判斷它適用與否?(正態分布)


聚類時標簽已知,怎樣評估模型的表現?

為什么不用邏輯回歸,而要用GBM?

模擬一個二元正態分布。

多尺度問題

anchor基礎知識

人臉識別現在常用算法

語義分割到實例分割怎么做

GAN是否了解,如何通俗的講其原理

PCA原理LDA原理

SVM+HOG

XGBoost

CNN、RCNN、FRCNN,有可能問你其中一個細節的關鍵

TensorFlow這些框架你談一下看法以及對其他框架的了解

現在機器學習、深度學習這么火,你有什么看法

機器學習、深度學習你對他們的理解是什么

做門牌或者車牌識別的步驟以及關鍵

Relu比Sigmoid使用多的原因

Loss不升反降的原因,如何解決

CNN使用范圍是具有局部空間相關性的數據,比如圖像,自然語言,語音

推導backward

解釋deconv的作用:

解釋BN(寫出公式)以及實現機制:


解釋dropout以及實現機制:

深度學習中有什么加快收斂/降低訓練難度的方法:


什么造成過擬合,如何防止過擬合:


規則化項有什么,各有什么樣的效果,為什么起作用

為什么梯度會消失和爆炸:


深度網絡激活元的作用、分類和各自使用范圍/優劣

正則化方法以及特點:

損失度量:

解釋softmax、logit regression、交叉熵(要回推導):

解釋alpha狗:

解釋resnet、優缺點以及適用范圍:

GAN的公式以及發展歷程:

densenet結構優缺點以及應用場景

dilated conv優缺點以及應用場景

moblenet、shufflenet的結構


有什么降維方法:

冯仰妍破处门