数百面试问题、覆盖AI核心主题，401页的深度学习面经免费下载了

机器之心报道

编辑：杜伟

想要走深度学习这条职业道路的人，不妨试着学习这份 401 页的免费面经。

当前，深度学习已经成为了驱动人工智能发展的主要动力，卷积神经网络、深度置信网络、递归神经网络等已被广泛应用在计算机视觉、语音识别、自然语言处理、音频识别与生物信息学等领域，并获取了极好的效果。

学深度学习也成为了热门，各式各样的深度学习课程和书籍不断涌现，国内比较出名的有李沐大神编写的《动手学深度学习》。

本文要介绍的是国外两位作者联合撰写的书籍《Deep Learning Interviews》第二版，它包含了数百个完全解决的问题，涵盖了 AI 领域的一系列核心主题。

本书旨在为深度学习面试或特定考试提供预演练习，并为机器学习硕士或博士以及那些等待面试的人提供逻辑严密的深度学习领域综述。书中提到的问题解决起来很难，但学会了能够显著提升读者的技能。

书籍下载地址：https://arxiv.org/ftp/arxiv/papers/2201/2201.00650.pdf

本书对学生和求职者非常有价值，通过学习，他们能够自信流利地谈论任何深度学习相关的主题，清楚正确地回答技术问题，并充分理解面试问题的目的和意义。这些都将成为他们在面试时的巨大优势。

就书籍内容而言，本书涵盖了大量与深度学习工作面试和研究生级别考试相关的主题清单。这也使得本书始终处于科学发展趋势的前沿，教授读者一套核心的实用数学和计算技能。

从这本书中可以学到什么？

开始你的职业生涯

如果你是积极从事深度学习和数据科学的职场人士，或者希望这样做，那么你很幸运。从深度学习到人工智能，各个相关领域的劳动力市场需求都非常高。深度学习专业人士备受追捧，并且成为了世界各地企业中薪酬最高的劳动群体。

所以，你的职业选择是正确的，扎根于一份稳定的工作对自身财力和智力都有巨大的益处。但应看到，这些职业的准入门槛很高，需要进行深度学习面试。在这类面试中，HR 也必须娴熟地掌握领域相关主题，这样才能将准确充分的面试者与那些仅对相关应用知识一知半解的人区分开来。

在面试之外，面试者的差异并不总是那么重要。现在，深度学习库已经非常完备了，只需要很少的高技能输入就可以自己组装机器学习 pipeline。这种层面的能力并不会给面试带来太多助益。你会被问到更实际的问题、技术和理论问题，面试官希望你能自信流利地答出所有问题。

对于未准备好的面试者来说，面试失败意味着深度学习职业道路的终结，很多人会在被拒后放弃这条路。

提升你的职业生涯

但如果你已经工作多年并积极主动，具备出众的计算能力，并准备好在深度学习项目中扮演更积极和亲力亲为的角色。你还在应用数学、计算机科学、统计学和经济学方面拥有广博的知识。所有这些都是你自身具备的巨大优势。

即使这样，你也不能说为深度学习面试做好了万全准备，尤其是那些最有趣、最自主和最具挑战性的岗位，不仅要求你了解如何完成工作，还要能够清楚、自信、毫不犹豫地展示这些知识。面试时，有些问题简单明了且很常见，但另一些问题可能超出了你自大学以来所接触的领域范畴。

我们没有理由让这种事情发生，当面试到来时，要确保自己随时准备好了。你要了解最新的术语、概念和算法。你还要更新自己记忆中的基础知识，以及如何将它们应用于当前研究实践中。

钻研深度学习

本书各章节的结构如下：

主题（topics）介绍；
说明该主题核心方面的问题（problems）；
完整的解决方案（solutions）。

每个章节中列出的问题简洁明了、实用，并与主题息息相关。

问题主要分为两类，分别是概念性问题和应用性问题。其中，概念性问题主要测试和提升你对基础概念的理解，应用性问题旨在练习或将你所学的知识付诸实践（大部分与 Python 和 PyTorch 相关）。

下图为信息论中的概念性问题示例：

下图为 PyTorch 中的应用性问题示例：

作者简介

书籍作者 Shlomo Kashani 是 DeepOncology 的 AI 负责人，他开发了用于精准肿瘤检测的深度学习技术，扩展和提升了人类专家的能力。这项依赖 CNN 的工作标志着他将 AI 技术应用于解决医疗问题的职业生涯达到了顶峰。此前，他获得了伦敦大学的数字信号处理理科硕士学位（荣誉）。

书籍主编 Amir Ivry 是以色列理工学院电气与计算机工程学院的直博生，还曾在 IEEE 核心期刊和顶级学术会议上发表过十数篇论文。自 2015 年以来，他一直是深度学习和语音信号处理领域的应用研究科学家。

书籍完整目录如下：