面試時間 : 15分鐘
流程 : 自我介紹(約1分鐘) + 教授問答(10分鐘) + 英文閱讀(看2分鐘,翻譯約1分鐘)
教授人數 : 3人
自我介紹 : 課外活動(自學拍youtube / Podcast / 打桌球) + R語言分析GIS + Android App + 專題簡介(深度學習相關-衛星影像建物分類) + 拿精簡專題報告給教授參考
面試提供資料 : https://drive.google.com/file/d/18XmKfpCO2ZBpmmNlUHZmaN-w3EFN1Xns/view?usp=sharing
教授稱讚經歷多元,接著開始問深度學習相關問題
機器學習 vs 深度學習有何不同?
這題我有準備到,回答主要不同在於特徵節取,機器學習需要人工節取FEATURE之後
再拿去給網路進行訓練,但是深度學習的話就可以用像是CONVOLUTION LAYER捲積
的方式自動獲取FEATURE之後訓練,這是主要的差異.
你的專題目前是深度學習跟遙測領域的結合,那你以後研究所想走的方向也是這方面嗎?
回答是,但是可能不會繼續做Autoencoder相關的研究,會想要往GAN方面發展,但是
具體的研究主題還沒想到.
此時教授又問我如果不考慮專題,你還有什麼其他想法嗎?
我回答以大一點的領域來看的話,我對遙測與gis領域算是有興趣的,但是目前專題讓我對深度學習有 興趣,目前傾向繼續朝這個領域前進.
這時我才發現自己準備的還是有一些漏洞的,不過還好有在引導後發現並回答訓練資料要更大,訓練時 間更長
你剛剛提到未來想做GAN,那這算是比較新的技術,那可不可以稍微說明一下什麼是遷移式學習?
這題當下我答得很流暢很自然,後來回想才發現自己答錯了,但是教授好像也沒有很在意的糾正我
我當時回答的是強化學習(REINFORCEMENT LEARNING)的定義,就說我們不給他LABEL了,只是告 訴神經網路一個成績,一個指標告訴他做得如何,然後讓他自己回去學習這樣子.
比較正確地回答應該是說今天已經有一個訓練好的MODEL,但是我們又一個新的任務,於是拿訓練好的
MODEL來用,但是在結構上稍微進行一些調整就可以用了,但是要能成功關鍵在於說你原本訓練的 MODEL資料要跟新的任務的資料有相同的FEATURE這樣成功率比較高.
看來你目前對這個領域有一定的了解了,那現在這邊有一篇英文文章,你花兩分鐘看一下,然後跟我們講一下這篇的大意,不用每個字都翻.題目是一篇有關深度學習論文的abstract
大概翻譯是傳統電腦視覺在檢查捷運工程的隧道裡面的一些破洞或是龜裂的地方很沒有效率,但是引進深度學習網路,像是本篇論文的FCN 再加上一個adaptive threshold(自動調適閥值)演算法跟另外一個RGA演算法(這個我就不知道是什麼了),如此一來效率就可以提高了
第一次看到這種題目 而且時間只有兩分鐘 又沒有筆可以畫關鍵字 回答自認普普吧
我聽到其他同學的英文題目都跟我不太一樣 所以感覺教授有在看學生類型給英文翻譯
由於有提供資料給教授,2位教授把資料還給我 另一位教授說要留著當參考 15分鐘就這樣結束了
結論 : 教授人很好 也不會刻意刁難你 備審是有在認真看的 英文也有認真出
出題方向 : 跟我想的有差距 原本我準備比較多名詞解釋(BN / Backward Propogation /Weight initalization /gradient descent / PCA…),但是發現都是考概念性的問題及其延伸.
優先錄取5個 正取5個 備取6個
名次 : 備3
INTERVIEW
NTU
Deep Learning
Autoencoder