实习生面试经验（一）-图像算法岗
目前研二，女，模式识别专业，北京，为了方便明年找工作去试了试投实习。第一次实习面试，也不知道怎么准备，直接就去了。昨天问了问，面试挂了。还是打算记录一下面试内容，为以后的面试积累经验，也可以刺激一下自己好好学习。
从研一开始做一个手势识别和one-shot learning的项目，所以简历也是主要写了这个。项目是用深度学习做的，所以除了上课，传统算法还是掌握不牢固，简历里没有明确写熟练掌握哪些经典算法，就只是说了对某些深度学习常用的网络已经tensorflow比较了解。
第一次去面的这个公司特别小，总人数加起来没有十个人，招聘要求是熟练使用c++, 熟悉opencv, 但是我只会python,c大学用过，现在只会读不会写了= =。面试是boss直接面的。一对一。拿着我带过去的纸质简历就开始问了。以前没去面试过，不知道流程，我以为还有自我介绍，但是这个面试官一上来就直接问我项目了，还问的特别特别细，大概半小时都在问我项目的细节、流程、网络等，最后问我聊不了解OCR字符识别，给我一个聊天界面的截图，让我想想用深度学习的方法怎么把聊天的文字识别出来。先从项目说吧。
首先问我手势识别的数据是什么数据，我说是深度数据，然后给他讲了下彩色数据和深度数据的区别，以及深度数据在手势识别中的优势（其实根本原因是甲方爸爸要求我们只用深度数据= =）然后他还问了我们的数据集规模，数据集是我们实验室自己录制的，比较了解，详细说了说，还说了手势统一帧数的方法，还问我手势识别准确率怎么计算的，我说是做了七次交叉验证的平均结果。然后，就开始让我画手势识别的网络，问我输入数据的维度，我说是{batch_size,32,112,112,3}，接着从网络的各个部分让我讲，讲3DCNN的原理，每一层是什么层，问我3DCNN的输出维度，我当时是不记得了，因为这段时间在做one-shot learning测试，手势识别那部分是之前完成的。其实算是可以算出来的，但当然有点紧张而且具体每层的核大小和个数也记不清了，就没答上来，然后他说给了我个台阶下，说应该用了padding，这样卷积以后大小不变，只有pooling会影响特征图的大小，我说嗯嗯= =；然后又让我讲卷积LSTM,我说了他和LSTM的区别，然后他又问了我卷积LSTM的输出维度，我只记得特征图的大小是28*28，不记得有几个特征图了。最后，把整个网络每部分的作用讲了讲，然后整体顺了一遍。
说完手势识别，我主动问了他了不了解one-shot learning，因为最近对这部分比较了解，本来还想弥补一下刚才的发挥，但是他说恩呢了解，还有0-shot，使用距离判别嘛，感觉他对我这部分不感兴趣我也就没有接着问。
然后，他首先问我怎么把一张图中的圆形笑脸识别出来，我直接说了匹配，说完就后悔了，这个方法太老了= =。然后他问我聊不了解OCR字符识别，给我一个聊天界面的截图，让我想想用深度学习的方法怎么把聊天的文字识别出来。我说只是知道，具体这个领域都有哪些方法不太清楚（实话= =）然后我就尝试说了说，首先把聊天的框识别出来，之后对框中的数字进行识别。可以使用faster r-cnn识别出来那个框，他问我那你给我讲讲吧，我说我只是了解，具体原理不清楚（唉，还是自己才疏学浅，要好好学习了= =），然后说了mask rcnn和faster rcnn的区别，没讲原理。之后自己就对OCR的问题胡言乱语了一番，因为不了解，所以说的想法可能也比较落后和幼稚。
最后他问我以后找工作想找什么方向，可以实习多久，还说因为这个岗位只要一两个人，现在结果还没发出，回去等消息吧，之后他就说我们面到这吧。
走的时候我对他说了声生日快乐，因为之前等着面试的时候看到他临时出来吃了大家给买的生日蛋糕。
总结一下来说呢，第一次实习面试可以说是惨败，准备不足，知识储备也不足，对自己项目的了解程度也需要加强，很慌很慌。
1. 对自己做的项目一定要事无巨细，每个细节都了解的清清楚楚，每个部分的原理也都明明白白，不能不求甚解，这样才有底气自信的清楚的讲出来自己所做的工作；
2. 简历一定要实事求是，不要夸大自己，因为面试官一般是就简历问问题；
3. 问了师兄说技术岗面试可能会出一个算法题让你当场写代码，这次没有，但是还是要好好准备，老老实实刷leetcode,每个问题都要完全搞懂并且能举一反三，到看到就能讲明白思路并写出来完整代码的程度就好了;《剑指Offer》这本书上的每一道题都必须要能在五分钟之内手写出来，记住是手写，不是在IDE下编译调试。
4. 对机器学习领域的经典网络和算法还是要踏实学好，尽可能多的深入了解，解决某个经典问题的主流算法都有哪些，搞懂细节更好。把《统计方法》这本书看完再看几遍。
5. 吴恩达大大的视频每天看一部分，便于理解深度学习，记笔记。
加油。期待自己下次面试更好的表现。