上海科技大学信息科学与技术学院保研面试题

  上科大是我保研面试的第一所学校，在整个的线上夏令营期间，我的感觉就是学校的学术氛围很好，老师们整体比较年轻，认真负责，学术水平也很高，十分有亲和力。除此之外，上科大的住宿条件，科研补助也相当不错。但是由于我面试时准备不太充分，所以没能拿到offer，比较可惜。但是在我回答不上问题时，老师们也会进行一些提示，当提示了还是回答不出来的时候，老师下一个问题往往会问得比较简单。
  线上面试是有三四个老师在一个房间里，面前都有电脑，然后会随时查看你报名夏令营的资料（个人陈述、成绩单、夏令营报名表等）并进行提问。
  我的面试问题包括以下内容：

两分钟中文自我介绍，然后是用英文说一下来上科大读研的原因

• 中文自我介绍模板：
  尊敬的各位老师上午（下午）好：
    我是来自××大学××专业的学生，我叫××，很高兴有这次机会参加面试。
    回顾过去三年的大学生活，无论是在学习、工作，还是生活中，我都学到了很多。学习上，我把大部分时间与精力投入到专业课知识的学习中，通过不懈的努力，我取得了良好的成绩，综合排名为×/×，约为×%，也顺利通过了英语四、六级，获得了××奖学金。工作上，我一直担任班级的××委员，定期参加学校组织的志愿服务活动，做事踏实稳重，不怕吃苦。生活中，我拥有良好的人际关系，态度积极乐观，面对困难，勇于面对，冷静处理。
    虽然本科期间没有机会真正进入实验室，但是我很向往实验室浓厚的学习氛围以及老师和同学们对待科学研究的严谨态度。我相信在研究生阶段，通过自己的努力，我一定能够从各方面提升自己。
    所以，如果有机会能够留下来继续学习，我一定会加倍努力，做出一点成绩，为将来的发展打下坚实的基础。
    谢谢！
• 英文介绍来上科大读研的原因：
    I choose ShanghaiTech University because I major in ×× in college and I have developed great interest in it after four years of study. Therefore, I want to continue to study in this major in the postgraduate stage. Besides, ShanghaiTech University is a vibrant and innovative university and I admire the academic level of the teachers here. So ShanghaiTech is undoubtedly my best choice.

对项目/比赛的询问：美赛最终的结论

• 我的获奖经历中有美赛H奖。由于疫情，面试时我刚回到学校，在家除联系导师外也没怎么进行面试方面的准备，所以没回答上来。所以，在面试前大家一定要把简历或者个人陈述上有的东西都提前看一下，即使说得不完全也能体现出你真正的工作量。

对大作业的询问：
图像处理的大作业内容及过程中遇到的困难及解决方法

• 因为我将图像处理大作业写在了个人陈述中（大学期间竞赛较少，科研经历更是没有，所以不得不把它写上去凑数🤦‍），所以老师对这个也进行了询问。我的图像处理大作业做的是文档的倾斜校正，老师说比较简单。所以，大家在写的时候技术含量不高的还是不要写进去凑数，容易被“攻击”。

对选修课的询问：
机器学习选修课学了一些什么内容？
如何实现机器学习呢？

• 在我的保研面试中，上科大是唯一一所询问选修课的高校，可见老师们的严谨与认真。我选修的机器学习为全英文授课，且只上了四个课时，我也没怎么听懂。然后我绞尽脑汁回答了贝叶斯模型，解释了因为纯英文授课，所以有些难度。然后老师反问我说你的四六级成绩不是挺好的？于是乎我只能回答说听力部分不太行，书面上的还可以（总之这是极其失败的一场对话😵）。下面附上我后面百度的答案，不确保正确性：
• 如何看待机器学习：
  机器学习（MachineLearning），在我看来就是让机器学习人思维的过程。机器学习的宗旨就是让机器学会“人识别事物的方法”，我们希望人从事物中了解到的东西和机器从事物中了解到的东西一样，这就是机器学习的过程。
• 如何实现机器学习：
  整体上看，机器学习就是模仿人识别事物的过程，即：学习、提取特征、识别、分类。由于机器不能跟人类思维一样根据事物特征自然而然的选择分类方法，所以机器学习方法的选择依然还需要人工选择。目前，机器学习的方法主要有三种：监督学习、半监督学习和无监督学习。监督学习是利用一组已知类别的样本调整分类器的参数，使其达到所要求性能的过程。白话一点，就是根据已知的，推断未知的。代表方法有：Naive Bayes、SVM、决策树、KNN、神经网络以及Logistic分析等；半监督方法主要考虑如何利用少量的标注样本和大量的未标注样本进行训练和分类的问题，也就是根据少量已知的和大量未知的内容进行分类。代表方法有：最大期望、生成模型和图算法等。无监督学习是利用一组已知类别的样本调整分类器的参数，使其达到所要求性能的过程。也就是及其自个儿学。代表方法有：Apriori、FP树、K-means以及目前比较火的Deep Learning。

对专业课的询问：
1.最擅长的专业课是什么？
2.通信原理（信道编码与信源编码的先后以及作用）
3.高数（凸函数，泰勒级数的定义，洛必达法则求极限具体指什么）
4.线性代数（矩阵的特征值定义及作用）
5.信号与系统及数字信号处理（傅里叶变换的作用或者是目的，应用；傅里叶级数与傅里叶变换的差别，以及两者在频谱上的差别；线性时不变系统的线性是指什么）

• 第一题忘记回答的是什么了，可能是因为前面回答得太差劲了，所以老师想问一下让我们都不那么尴尬。后面都是一些比较基础的题目。

倾向于他们学院哪个研究方向（上科大研究方向偏通信），以及夏令营材料中为什么“推免可能性”填的“有可能有”？

这个属于最后的收尾问题，如果你心仪的研究方向上科大没有或者关联性不大，如果想拿offer的话，对于老师提出的意见最好给出积极回复。

同学问的内容有：
1.怎么理解傅里叶级数？
2.雷达系统的组成及工作原理？
3.计算方法的课程论文的大体内容（计算方法是我们的一门选修课）