想從事深度學習工作的進來看，經(jīng)典面試問題幫你整理好了
大小：0.4 MB 人氣： 2017-12-06 需要積分：1
SGD 中 S（stochastic）代表什么
個人理解差不多就是Full-Batch和Mini-Batch
監(jiān)督學習／遷移學習／半監(jiān)督學習／弱監(jiān)督學習／非監(jiān)督學習？
本筆記主要問題來自以下兩個問題，后續(xù)會加上我自己面試過程中遇到的問題。
深度學習相關的職位面試時一般會問什么？會問一些傳統(tǒng)的機器學習算法嗎？
如果你是面試官，你怎么去判斷一個面試者的深度學習水平？
以下問題來自@Naiyan Wang
CNN最成功的應用是在CV，那為什么NLP和Speech的很多問題也可以用CNN解出來？為什么AlphaGo里也用了CNN？這幾個不相關的問題的相似性在哪里？CNN通過什么手段抓住了這個共性？
Deep Learning -Yann LeCun， Yoshua Bengio & Geoffrey Hinton
Learn TensorFlow and deep learning， without a Ph.D.
The Unreasonable Effectiveness of Deep Learning -LeCun 16 NIPS Keynote
以上幾個不相關問題的相關性在于，都存在局部與整體的關系，由低層次的特征經(jīng)過組合，組成高層次的特征，并且得到不同特征之間的空間相關性。如下圖：低層次的直線／曲線等特征，組合成為不同的形狀，最后得到汽車的表示。
CNN抓住此共性的手段主要有四個：局部連接／權值共享／池化操作／多層次結構。
局部連接使網(wǎng)絡可以提取數(shù)據(jù)的局部特征；權值共享大大降低了網(wǎng)絡的訓練難度，一個Filter只提取一個特征，在整個圖片（或者語音／文本） 中進行卷積；池化操作與多層次結構一起，實現(xiàn)了數(shù)據(jù)的降維，將低層次的局部特征組合成為較高層次的特征，從而對整個圖片進行表示。
非常好我支持^.^
(1) 100%
不好我反對
(0) 0%