1）python的基础知识，虽然平时都在编代码，但是我们用的都是现成的深度学习模块啥的，里面的其他python知识不是非常了解2）没事就来看看，互联网大厂的笔试题和面试题都会考，尤其像京东的笔试选择题，一定会考的。

1）很多都是图像处理领域的传统算法，应用于目标检测，目标跟踪，数字信号处理等2）这些基础八股文，简单地了解一下，有个印象，不少东西是课堂上学过的，回忆一下就行。

1）生成式对抗网络GAN的结构，目的，均衡效果，训练过程，优缺点，这些都做简要的了解。2）G的目标是生成尽可能真实的图片，欺骗D，D的目标是鉴别图片的真伪，尽量让自己更有判别性，交替训练，最终达到纳什均衡3）笔试求AC，可以不考虑空间复杂度，但是面试既要考虑时间复杂度最优，也要考虑空间复杂度最优。

Oracle数据库：逻辑运算and，or，not和各种运算的优先级控制

数据挖掘与分析应用1：Excel表数据分析，sum，sumif,sumifs,vlookup,match,index,几个配合使用

1）transformer是BERT的基本结构，self-attention又是transformer的重要核心，transformer比CNN,RNN,LSTM牛逼多了，BERT是预训练大模型。2）Tranformer已经在CV中开挂了，所以不只是NLP里面有这个玩意3）笔试求AC，可以不考虑空间复杂度，但是面试既要考虑时间复杂度最优，也要考虑空间复杂度最优。

史上最全的机器学习深度学习面经总结

1）从霍夫变换算法到经典的LSD传统算法，后来改进很多，但是效果都和LSD差不多，而LSD又比霍夫变换牛2）2018年开源了一个直线检测的数据集wireframe，从此很多关于端点预测的2阶段，和2阶段网络设计出来，预测端点，或预测中点，方向和距离啥的。3）笔试求AC，可以不考虑空间复杂度，但是面试既要考虑时间复杂度最优，也要考虑空间复杂度最优。...

1）深度学习和机器学习在互联网大厂中的笔试，或者面试都会遇到的知识点2）没事来看看，总会有用的3）笔试求AC，可以不考虑空间复杂度，但是面试既要考虑时间复杂度最优，也要考虑空间复杂度最优。

数据挖掘与分析应用：聚类算法，kmeans聚类，DBSCAN基于密度空间聚类，关联规则法探索数据