第一次面试图像岗，打过电话来，没听太清楚公司名字，略有些尴尬。原来hr是联系过的，但是隔得太久了些，而且最近简历投的不少，也没能一个个都记着名字。好在类似事情应该也偶有发生，面试官很是理解。
未曾有过工作，也就不太了解公司层次，但是从这几次面试来看，这家公司的问题不是特别深入的问题。可能图像这方面也刚刚起步吧，主要问了些掌握的知识，自己心里也清楚不是什么大牛，围绕着做过的语音项目谈了些深度学习的工作。由于问的不深，聊得也比较轻松，有些问题两个人有些探讨的味道，当然，多是人家指点我。
技术面了几次，总结了一个小规律，大部分的技术面试官态度都蛮友好的，面试中有些问题不了解，面试官都表示了解，而且还会简单的解答一下。还是好人多啊，尤其是程序猿好人更多。
言归正传，这次面试最值得谈的事情就是下面这个了。
问：如果让你做一个汽车识别系统，你有什么想法，准备怎么做？（这估计是我遇到的开放性最大的一个问题了，虽然可能不太专业，但是我很喜欢，因为是在做事情，有目标的做事情，不是空谈理论，在校期间老板已经给留下太多阴影了，大而空的讨论和研究，身心俱疲。）
答：我觉得最重要、最容易入手的的是两方面吧~。一方面是特征方面，收集特征的时候应该更专注于各自特点，这样更容易训练出效果更好的模型；另一方面当然就是模型了，我觉得最简单直接的方式就是从开源模型里找到表现最好的，以此为基础在进行些针对性的改动。
面试官：你有没有想过，深度学习本来就是想减少人工工作，用机器来对特征进行再表示，你这样在特征上做是不是有些不合适。
答：（我一想确实是这样啊！）抱歉，我们一直在少量数据下做，所以就直接这么考虑了。那对于特征这方面做得工作应该改动一下，做一些数据增强的工作，来进一步扩充数据用来训练，这样对模型会有一定的提升。
当然，还有一些其他问题，但是我觉得没有必要都写出来了。其实自己也有些自知之明，可能不太了解面试的作用，自己水平也比较低。但是我个人认为这种以实际场景作为面试问题效果应该比那些询问单纯理论的面试来的好一些。
网友评论