参考:
https://blog.csdn.net/u013382288/article/details/80470316
1、找出二值图像的所有连通区域
2、几种排序算法,并用代码实现(手写)
3、提督下降和极大似然
4、泰勒展开
5、特征选取的方法
6、GBDT和xgboost、baggging和boosting
7、过拟合的解决办法
8、CNN和LSTM原理和应用场景介绍
9、几种常用检验方法和比较
10、KMP算法
11、哈夫曼编码
12偏差和方差
13、排列组合
14、大数定律和切比雪夫不等式的式子
15、回归系数的计算
16、快速排序的最佳状况
17、对于SVM,梯度小时怎么在图像上判断
18、什么是超参,什么是超参不明干
19、贝叶斯公式
20、线性代数中的秩、克莱姆法则
21推导回归系数的过程
22、全卷积网络为什么要消除全链接网络
https://blog.csdn.net/xiaojiajia007/article/details/54944023
23、为什么使用全局平均池化
We found global average pooling increased model stability but hurt convergence speed
24、为什么使用Batch-Normalization
25、为什么要使用步福卷积代替池化层
26、激活函数都有哪些,什么情况下用什么样的激活函数
27、损失函数都有哪些?什么情况下用什么样的损失函数
28、优化器有几种?什么情况下有什么