一文看尽60道AI算法高频面试题

点击下方卡片，关注“CVer”公众号

AI/CV重磅干货，第一时间送达

▲扫码加入求职群！

60道AI算法高频面试题

机器学习（15题）

1. 为什么 LR 用交叉熵损失而不是平方损失？

2. 为什么SVM要引入核函数？

3. SVM核函数有哪些？

4. GBDT 和 AdaBoost 区别

5. XGBoost 和 GBDT 的区别

6. K-Means 的迭代循环停止条件 

7. Bagging 和 Boosting 的区别

8. 为什么朴素贝叶斯被称为“朴素”？  

9. 决策树的ID3和C4.5介绍一下 

10. 随机森林处理缺失值的方法

11. 机器学习中的分类、回归和聚类模型有哪些？  

12. CRF 的损失函数是什么？

13. 特征值和SVD的区别

14. L1和L2正则化的区别

15. 为什么 L2 正则化可以防止过拟合？

深度学习（15题）

1. 神经网络怎样进行参数初始化？

2. 介绍卷积神经网络的反向传播
3. CNN 模型所需的计算力（flops）和参数（parameters）数量是怎么计算的？

4. 感受野怎么计算？

5. 介绍常见的正则化方法

6. BN 可以防止过拟合么？为什么 

7. BN 在训练和测试的区别？  

8. Dropout 在训练和测试的区别

9. 1*1 卷积有什么作用？ 

10. ResNet为什么不用Dropout?  

11. 什么是Bottlenet layer？

12. 介绍一下Inception系列（V1-V4）  

13. Squeeze-Excitation结构是怎么实现的？

14. 介绍一下组卷积

15. MobileNet系列为什么快？

计算机视觉（15题）

1. 如何计算 mIoU？

2. 如何计算 mAP？
3. 介绍一下非极大值抑制NMS及其变体

4. 介绍一下Anchor的概念

5. 有哪些可以解决目标检测中正负样本不平衡问题的方法

6. 介绍一下RoI Pooling 和RoI Align

7. YOLOv4相较于YOLOv3有哪些改进？速度更快还是更慢，为什么？

8. U-Net神经网络为什么会在医学图像分割表现好？

9. 为什么图像分割要先encode，再decode？

10. 介绍一下目标检测中的多尺度训练/测试

11. 如何提高小目标检测？

12. 什么是Anchor-free？

13. 介绍你了解的Anchor-free检测网络，并说明优缺点

14. 如何解决多尺度问题？

15. 介绍一下Focal Loss

C++（15题）

1. C++虚函数的实现机制

2. 虚函数有哪些作用？

3. STL中的 vector 和 list 的区别

4. 怎么理解C++面向对象？跟Python面向对象有什么区别？

5. 堆区和栈区什么区别？

6. 什么是内存泄漏？怎么产生的？如何检测？

7. 全局static变量和非static的有什么区别？

8. 为什么.h里面一般只放函数声明？

9. vector.size() 和 vector.capicity() 区别

10. map实现原理

11. set实现原理

12. C++四种强制类型转换有哪些？

13. 介绍一下智能指针

14. C++是如何实现多态的？ 

15. new、delete、malloc、free关系?

上面60道面试题你都能回答出来吗？如果你还没刷面试题？想看最新面经和答案？那得赶紧加入求职群！最新校招、实习、社招、教职信息、大厂面经和企业内推全都有！Amusi 强烈建议大家扫码领券加入2024年求职群（主要面向25届、26届及之后的同学）！

最大的AI算法岗和开发岗求职群

AI算法岗和开发岗求职群（知识星球） 是一个面向全体学生和算法工程师/研究员的求职交流平台。旨在分享 AI算法岗和开发岗的校招/社招准备攻略、面试题库、面试经验、Offer选择、内推机会、学习路线、求职答疑和海量学习资料等内容。

涉及深度学习，机器学习，计算机视觉，图像处理，自然语言处理，SLAM，大数据，数据分析，自动驾驶，机器人，推荐系统，Java，C/C++和Python等方向。

求职群里既有2025届、2024届和往届求职的大佬/学生，也有刚入学的学生（大一/大二/研一等），还有很多公司里的技术大牛、研究员和算法工程师。目前星球的成员已经超过5800人！

我Amusi 每天都会在求职群里发帖/交流，回答问题，分享面试题，分享面试心得，分享内推信息，分享学习资料等。划重点！星球分享的资料和问答已经超过5000条！

注：因为星球里人蛮多的，所以建议大家匿名提问，防止"隐私泄露"

▲扫码领券，进群！

求职群（部分内容精选）

群主和嘉宾既有2024届/2025届和往届参与秋招拿到算法Offer，也有已经毕业工作多年的算法研究员/工程师。涵盖Apple、谷歌、Meta、亚马逊、微软、NVIDIA、Uber、IBM、腾讯、阿里巴巴、百度、字节跳动、美团、拼多多、京东、快手、商汤、旷视、滴滴、OPPO、VIVO、华为、小米、大疆、平安科技等上百家企业。

面向对象

全体学生和算法工程师/研究员、软件开发程序员，特别是 2024年（即2025届-2026届-2027届）找工作/实习的人群（研一/研二/大二-大四等），也强烈推荐刚入学的学生以及有考虑跳槽的工程师，早点为找工作做准备，锻炼刷题意识和能力。

海量面试经验/面试题

深度学习面试宝典是 Amusi 整理的一个AI算法岗面试题库，累计900+个问题与解答。涉及的领域众多，具体如下。同时求职群里每周都会更新很多面经，方便查漏补缺！

海量校招/实习/社招内推

求职群里已分享数千个内推机会，比如去年2024届校招就发布了208个内推信息（涵盖BAT/头条/京东/美团等公司），还有大量日常实习内推：

提问交流

如果你在学习、找工作、跳槽、职场、Offer选择等领域遇到问题，都可以在星球里向我提问！我知必答！

资源分享

涵盖刷题指南（LeetCode/剑指Offer）、学习路线、优质AI课程推荐、面试题、面试心得、知识重点分享、实战项目等内容

Offer比较与选择

招聘高峰期（提前批/秋招/春招），几乎每天星球里都会有人来咨询Offer选择性问题，或者转行问题，比如：AAA 和 BBB 哪个公司的Offer更好？

加入求职群(知识星球)方式

价格：199元（每天仅4毛钱） 限时立减50！特惠仅149元！

时长：一年（从你加入的时刻算起）

加入方式：扫码下方二维码，或者点击阅读原文，即可进入AI算法求职群（知识星球）

建议：进群后，推荐下载知识星球APP使用，同时也可使用小程序或者知识星球公众号进行使用，可以发帖/提问/交流/回答，并可以快速访问群里的资源。

希望这个群可以让你少走一些弯路

如果喜欢招聘/面经/内推，麻烦给个在看