面試問答
如何改善 Overfitting？
more train...
面試過程有 3 關，全都是線上面試。
沒有考 coding
第 1 關的面試官有部門主管與部門同事，第 2 關是
與研發處長面試，第 3 關是跟 HR 面試。
在第 1 關的時候分享自己之前做的 AI 專案內容，有聊到當時影像分割達到的 mAP 精準度數值，其中一位面試官接著問，「除了 mAP 之外，採用影像分割來作查驗任務時，還有哪些指標可以評估查驗的效果？」因為我之前負責用 AI 配合 RGB-D 相機作查驗任務的專案，會透過 RGB-D 相機取得待測物的實際物理長度，因此跟面試官報告還有長度測量的絕對誤差與相對誤差。
第 2 關與研發處長面試沒有聊太多技術細節，因為凱銳是系統廠，AI 軟體部門將 AI 模型部署到 AI 加速器嵌入式邊緣運算系統的時候，會涉及 AI 加速器晶片的評估，產品量產過程會跟硬體以及機構部門合作，因此研發處長問了一下我之前硬體相關的工作經驗。
第 3 關 HR 的主要任務是談薪資，最後協調的薪資與自己的期望薪資差了 3%，讓我在想如果當初提的期望薪資乾脆先拉高 5%，再讓 HR 砍，會不會得到自己期望的薪資XD
面試問答
如何改善 Overfitting？
more training data
data augmentation
Less features
Less parameters, sharing parameters
Early stopping
Dropout
Regularization L1, L2
CNN 在 AI 影像模型的效果，為什麼會優於全連接的 DNN？
1. Receptive field
2. Parameter sharing
有哪些模型壓縮、輕量化的作法
1. Pruning
2. Knowledge distillation
3. Quantization
4. Low rank approximation (depthwise separable convolution )
請問模型訓練常用的 gradient decent（梯度下降法）是計算什麼函數的梯度？
Loss function
電腦視覺的 AI 常用的 loss function 有哪些？
Classification: cross-entropy
bbox: Mean Square Error (MSE), GIOU(Generalized Intersection over Union), DIOU(Distance-IoU Loss), CIOU(Complete IoU Loss, Yolov4 recommended)
focal
有哪些評估物件偵測模型好壞的方式
precision, recall, F1 score, IoU, mAP, mAR
面試建議
沒有考 coding，建議好好準備投影片，介紹自己過往 AI 研發的工作經歷，還有準備 AI、ML、DL 相關的題目。薪資水準應該跟其他系統廠不會差太多，不用把期望薪資寫太低。
