西工大夏令營面試
感覺面試難度還是比較小，奈何我太菜。線代問題那個真的丟臉。還有面試不提前說序號，隨機叫號，運氣太差，排到了最后幾個，屏幕前等了六個小時，差評。（從面試前的緊張，到開始偶爾刷視頻，打游戲消磨了，emmm）
1.閱讀一段一百字左右的短文，然后翻譯。
大意：目前數據規模不斷提高了，手工處理數據已經不現實了，需要借助計算機科學的手段，例如神經網絡，決策樹，支持向量機等工具。
（哎，英語讀的自己都覺得別扭）
2.線性代數：矩陣的特征值和特征向量計算方式及意義。
（我哭了，前兩個才復習了，現在啥都不會）
對於一個方陣A，如果存在非零向量\(x\),使得\(Ax=mx\),\(x是特征向量，m是特征值\)
3.高數：梯度
梯度的本意是一個向量（矢量），表示某一函數在該點處的方向導數沿着該方向取得最大值，即函數在該點處沿着該方向（此梯度的方向）變化最快，變化率最大。
（基本答對）
4.數據結構：說幾種排序算法的復雜度
只說了四種，丟臉了。都沒有答堆排序和桶排序
5.編程經歷
主要說的是ACM經歷
6.是否了解意願導師的方向
了解，CV+NLP
7.除了ACM之外的編程經歷，有沒有接觸CV，NLP，機器學習等方向的工作
說了一些關於CV的算法學習，我提到了PointNet，老師就開始提問了。忘記說國家級大創機器學習項目了，哭了。
8.PointNet細節
-
PointNet處理點雲數據的最大貢獻是：
我答的是max對稱函數，對點雲輸出順序不變性。也不知道對不對，PointNet相比之前的工作，主要特點是直接處理點雲。 -
PointNet的損失函數 ：
啊，這個被我忽略了。之后想一下，對於分類，官方是在softmax classification loss基礎上加一個0.001權重的T-Net的L2范數。 -
PointNet處理旋轉的點雲數據結構是否一樣：
比如點雲整體的旋轉和平移不應該影響它的分類或者分割結果，對於這個特征，PointNet首先對輸入點集做了一個輸入變換，變化到一個規范空間。mlp之后又做了一個特征變換。
9.介紹
我只面試了七min吧，別的同學平均15min吧，QAQ。等待六小時，上車七分鍾。或許是最后老師疲了，也或許是我太菜了，早早結束了。