考研面试深度学习有哪些常见知识点？

近年来，人工智能领域火热，专业人才缺口问题逐渐显现。很多同学想学机器学习是因为校招工资比其他方向的开发者高，毕业后会从事算法相关的岗位。

所谓知己知彼，百战不殆。下面是研究生在算法工程师深度学习中经常会涉及到的一些知识点，帮助学生更好的理解深度学习，提高个人竞争力。

1)经典算法:EM、HMM、贝叶斯网络、朴素贝叶斯、聚类、PCA、LDA、高斯混合模型等。

2)概率论相关:各种分布，最大似然，最大后验，假设检验的过程(显著性水平和P的区别和联系)，卡方检验等等。

3)机器学习的主要模型:线性回归、logistic回归、svm、各种树模型等等。原理公式要熟悉推导过程。

4)大数据，要了解并行、分布式的东西，比如hadoop、spark、Hive等。，了解底层工作原理。

另外要知道，面试中回答问题的过程，其实也是一个展现各方面能力的过程。不要对面试官的问题给出非此即彼的答案，而是表达自己的思考过程和分析脉络。很多时候面试官看重的不是你的回答，而是你分析问题、解决问题的思维过程。

为了帮助学生更快地掌握深度学习技术，成为人工智能领域的高端人才，中公教育联合中科院自动化所专家，强势推出人工智能“深度学习”课程，让每个人都能学到东西，真正掌握机器学习模型和算法背后的原理。