AI面试笔记

刷题(LeetCode/剑指Offer) &＃43; AI基础知识 &＃43; 编程基础知识 &＃43; 项目 &＃43; 实习 &＃43; 竞赛 &＃43;顶会/顶刊(可选)

1.1 AI面经和刷题指南

刷题的目的是为了学习数据结构和算法&＃xff0c;锻炼编程能力和熟悉刷题技巧。

刷题建议&＃xff1a;先刷《剑指Offer》&＃xff0c;再刷 LeetCode&＃xff08;目前LeetCode已经有1000&＃43;题&＃xff0c;可以根据类别来刷&＃xff0c;但强烈建议先刷完 LeetCode 精选TOP面试题&＃xff09;

2.1 重点

• 研究方向
• 科研经历
• 实习经历
• 竞赛经历
• 获奖经历

2.2 模板

时长&＃xff1a;3mins

你好&＃xff0c;我是来自 xxx 大学的学生&＃xff0c;我叫 xxx&＃xff0c;目前研究生 x 年级 。研究生期间主要研究 xxx 方向。

• 研 x 的时候&＃xff0c;在 xxx 公司实习了 xxx 个月&＃xff0c;工作岗位是 xxx 实习生&＃xff0c;主要负责 xxx&＃xff0c;该项目是利用…
• 研 x 的时候&＃xff0c;参加了 xxx 竞赛&＃xff0c;获得 xxx 名次。介绍使用了什么算法&＃xff0c;最终的实验数据…
• 研 x 的时候&＃xff0c;发了一篇 xxx 论文&＃xff08;尽量是顶会或SCI&＃xff09;&＃xff0c;其中 xxx&＃xff0c;实验结果是 xxx

3.1 线性代数

1. 基向量
   基向量是这样的n个向量&＃xff1a;n 个向量之间是相互独立的。
2. 方阵的行列式的值可以表示以列向量或行向量围成的面积。

3.2 微积分

1. 梯度的概念
   在空间的每一个点都可以确定无限多个方向&＃xff0c;一个多元函数在某个点也必然有无限多个方向。因此&＃xff0c;导数在这无限多个方向导数中最大的一个&＃xff08;它直接反映了函数在这个点的变化率的数量级&＃xff09;等于多少&＃xff1f;它是沿什么方向达到的&＃xff1f;描述这个最大方向导数及其所沿方向的矢量&＃xff0c;就是我们所说的梯度。

2. 雅可比矩阵——在向量微积分中&＃xff0c;雅可比矩阵是一阶偏导数以一定方式排列成的矩阵&＃xff0c;其行列式称为雅可比行列式。雅可比矩阵的重要性在于它体现了一个可微方程与给出点的最优线性逼近。因此&＃xff0c;雅可比矩阵类似于多元函数的导数。

黑塞矩阵——黑塞矩阵是一个多元函数的二阶偏导数构成的方阵&＃xff0c;描述了函数的局部曲率。黑塞矩阵常用于牛顿法解决优化问题&＃xff0c;利用黑塞矩阵可判定多元函数的极值问题。在工程实际问题的优化设计中&＃xff0c;所列的目标函数往往很复杂&＃xff0c;为了使问题简化&＃xff0c;常常将目标函数在某点邻域展开成泰勒多项式来逼近原函数&＃xff0c;此时函数在某点泰勒展开式的矩阵形式中会涉及到黑塞矩阵。
黑塞矩阵是一个对称矩阵。

用雅可比矩阵和黑塞矩阵判断多元函数的极大值、极小值和鞍点值&＃xff1a;

3. 数值方法
   

4. 神经网络正向传递
   

神经网络反向传递

3.3 PCA

1. PCA 与线性回归的区别&＃xff1a;
   &＃xff08;1&＃xff09;PCA 是无监督学习&＃xff0c;而线性回归是有监督学习。
   &＃xff08;2&＃xff09;PCA 的目标函数关注数据点到目标面的投影&＃xff0c;而线性回归的目标函数关注模型输出与真实值的差异。