没有新消息

会看你对一个算法的理解程度，理解深度，拿图像处理来说，你有可能被问到从Alexnet 到DenseNet,甚至NasNet，RCNN，SSD和ＹOLO系列有可能都会被问到一般面试官会循序渐进的问你，这个算法相较之前的有什么突破，有什么不足，用了哪些新的trick，为什么这trick能达到这个效果，为什么不把模型这样改等等，其余的类似损失函数的选择，优化算法的选择，局部最小和过拟合问题的解决，数据不足的解决方法，特征工程相关，基本上所有相关的或者在实际中可能遇到的问题都会被问到，你算法理解的怎么样，实际经验怎么样，面试官一眼就可以看出来，而理解算法的前提都是建立在好的数学功底基础上的，不过数学相关的知识都可以在理解算法的过程中慢慢补足，自己的坑还是得自己填。问完这些模型的理解后一般会让你写些代码解决一些问题，没有谁会去死记代码的，一点用处都没有，代码可以12周内就上手，但是数学需要长时间持之以恒的学习

我觉得上面的评论说的有道理很多的创新跟改进都是实验出来的没有理论支撑是大多数的

我觉着每一步的改进，都是实验性的，都是由结果来反向解读上一步的，当初谁也不知道层与层之间共享参数，会更好的提取特征，只是人们想到了这个策略并决定实验它，当初在没有实验之前谁也不能确定解决层与层之间的联系是否能提高模型的鲁棒性，所以我认为公司有没有丰厚上乘的资料能够决定他选人的方向，如果他有一大堆人工智能大牛，那可学习的资源自然丰厚上乘，他不需要再招大牛了，他应该把选人的方向放在是否有联系爆炸突变性的思维上。试想老的套路都已经可以应用到工业了，你还能变出花来？我们必须得和别人不一样比别人更快更好这才是工业科技的长远目的。

#算法工程师#机器学习工程师面试需要哪些积累？

#图像算法工程师#做图像算法工程师需要哪些知识？

#机器学习算法工程师#济南机器学习岗位就业情况乐观吗

#算法工程师#怎样去一家好的公司做算法工程师？

#算法工程师#算法工程师代码能力要达到什么水平

#算法工程师#算法工程师面试需要准备什么呢？

如何成为算法工程师，需要学什么？

想自学做算法工程师，要这样学习！

我想做图像算法工程师，目前的研究阶段只涉及到机器学习的聚类算法，是不是不适合？