筆試時間：2015.05.27 下午

筆試題目（回憶）：

1. 什麼是機器學習的過擬合和欠擬合？

   A： 答案在李航那本《統計學習方法》的第一章

2. 解釋什麼是結構風險最小化？
   A： 答案在李航那本《統計學習方法》的第一章

3. 解釋梯度下降法的過程。
   A:

4. 什麼是產生式模型和判別式模型？他們之前的區別是什麼
   A: 答案在李航那本《統計學習方法》的第一章

5. 用虛擬碼實現一種你熟悉的聚類演算法？
   A: 對聚類演算法不熟，我隨便寫了一個k-mean，但又忘了其裡面的重新選擇聚類中心是什麼的，所以就瞎寫了。

6. 深度學習有哪幾種，其引數更新方法有哪些？各有什麼優缺點？
   A: 這個比較在行，引數更新不都是梯度下降法嘛~

7. 結合自己的研究課題，
   A: 這個自由發揮。

8. 當訓練好一個模型時候，再測試資料上做分類（預測），效果很差，改怎麼處理？
   A: 我好像只答了兩點：1. 因為過擬合（在測試資料集合上表現不好），所以需要新增約束，或者增強資料。 2. 考慮到測試資料與訓練資料有可能不是相同的分佈，所以可以考慮應用遷移學習的方法。

面試時間：2015.05.31

面試題目：

1. 介紹一下簡歷上的兩篇文章。
2. 用過什麼學習什麼框架，為什麼用這個。
3. 能現場求導卷積層的BP過程嗎？
4. 有沒有對用過的框架進行改進過，都改進過什麼？

我的提問：

1. 你們美圖公司目前用深度學習都做哪些方面的應用？
   A: 主要在影象分類等領域的應用，我們組其實並不侷限於深度學習，像Boosting方法，隨機森林方法也都在用，深度學習的框架cuda-convnet 和caffe，theano 等都有用。
2. 你們公司目前的資料量有多少？
   A: 在分類上，資料比較少，不想ImageNet資料那麼大，主要是想驗證自己的演算法，用的是共用的資料，自己的資料也有，最近也在標註了一些。

一些感受：

1. 之前沒有去聽宣講會，27號到教室的時候，他們都已經在考試了，不過時候試卷還沒到，等了半個多小時考試，之前聽網上說美圖的實習生待遇只有1500包住，出奇的低，不過今天跟同班同學一起去面試的時候聽說宣講會時候有說實習待遇為3K–5K，在廈門，這水平還算ok。

2. 之前通知是15：30之前到，因為是跟同學打車過去，去的比較早，差不多兩點就到了，在一樓大廳那邊等，給人影響很不好的一點就是，在外面等的哪些同學說話特別大聲，保安都多次體現他們說話小聲點，還是沒用，給人影響特別不好。

3. 面試最後，面試官說，他們這邊更需要動手能力強一點了（基於我沒有大改過Caffe程式碼的結論），我就知道沒戲了。本來我還想反問下你憑什麼知道我的動手能力 弱，但是憋住了沒說。

4. 不過整個研究生生涯快要結束的時候，的確發現自己程式碼寫的太少了，比本科還少，整天看一些有的沒的論文，是該找時間加強一些自己的程式碼能力。