- 文集信息
- 目录大纲
- 最新文档
- 知识宇宙
文集详情
文集导读
CV、NLP 面试常考代码题实战：把每道题还原成白板现场
白板笔递到你手上，面试官说"写一个卷积的前向传播"。这一刻考查的不是你背过多少博客，而是你在压力下能不能把脑子里的原理变成能跑的代码。这本教程做的事很直接：把 CV 与 NLP 面试里出现频率最高的代码题，一道一道还原成"白板现场"——面试官怎么问、候选人怎么现场推演、追问链往哪里延伸、真实候选人在哪一步翻过车，全部摊开复盘。
市面上的面试题库大多给"标准答案"，但面试不是默写。真正拉开差距的，是你写完第一版之后的那十几分钟：面试官说"这个循环里每次都在分配新数组，能改吗"，你能不能当场看出复杂度问题；面试官说"输入全是一千的时候你的 softmax 输出什么"，你能不能立刻想到数值稳定性。所以本教程的每一节都按同一个现场结构展开：
- 面试官提问：原汁原味的题目措辞，以及这道题背后真正想考查的点；
- 现场推演：候选人从读题到落笔的思考路径，包括先口述思路再写代码的节奏；
- 追问链：面试官常见的三到五层追问，每一层都在逼近知识边界；
- 失误复盘：真实高频翻车点，以及如何在下次现场避免；
- 可复算的代码：所有示例输出都在本地跑过，数值可以逐位核对。
全册知识地图
整本教程沿"面试轮次"推进：热身现场考编程基本功，机器学习与深度学习现场考算法落地能力，CV 与 NLP 现场考方向专场题，终面现场考算法进阶与工程追问。前一章的输出就是后一章的输入——热身现场的复杂度口算，会在卷积现场被追问；机器学习现场的梯度下降，会在两层网络现场变成反向传播。
图 0-1 六章知识地图与依赖关系
你会经历哪些现场
六章对应六类现场，难度按面试轮次递进。第 1 章热身现场，三道看似简单的 Python 题，实际在筛"会不会写生产级代码"。第 2 章机器学习现场，从零手写线性回归与 KNN，考查你能不能不依赖框架把算法落到数组运算上。第 3 章深度学习基础现场是分水岭：numpy 手写反向传播、softmax 的数值稳定、卷积前向的循环实现，这三道题挂掉的人最多，也是区分"调包侠"与"懂原理的人"的地方。
第 4、5 章是方向专场。CV 现场围绕张量形状与检测后处理展开，NLP 现场围绕掩码与注意力展开——两个方向各有各的追问套路。第 6 章终面现场把动态规划、回溯剪枝与系统设计追问合在一起，模拟最后一轮的压力测试。
怎么用这本教程
我建议的用法不是通读，而是"陪练"：先只看面试官提问，自己在本子上写一遍；再对照现场推演，找出思路分叉的地方；最后把追问链当作自测清单，每层追问都先自己答，再看答案。失误复盘部分值得反复看——那些翻车点几乎覆盖了绝大多数候选人的常见错误。节奏上建议把六章当成六轮模拟面试隔天进行：间隔带来的回忆成本，恰恰是记忆的磨刀石，一口气读完反而留不下多少东西。
每节的代码都是完整可运行的 Python（机器学习部分用 numpy，深度学习部分少量 torch 示例），输出经过本地逐次运行核对。你可以把代码抄进自己的环境重跑，改参数观察行为变化，这比看十遍答案都有用。
一句话定位：这不是又一本面试题库，而是一份"现场复盘手册"——它训练的是你在白板前从提问到代码的完整反应链。
目录大纲
最新文档
知识宇宙
正在加载知识图谱...