西工大夏令营面试
感觉面试难度还是比较小，奈何我太菜。线代问题那个真的丢脸。还有面试不提前说序号，随机叫号，运气太差，排到了最后几个，屏幕前等了六个小时，差评。（从面试前的紧张，到开始偶尔刷视频，打游戏消磨了，emmm）
1.阅读一段一百字左右的短文，然后翻译。
大意：目前数据规模不断提高了，手工处理数据已经不现实了，需要借助计算机科学的手段，例如神经网络，决策树，支持向量机等工具。
（哎，英语读的自己都觉得别扭）
2.线性代数：矩阵的特征值和特征向量计算方式及意义。
（我哭了，前两个才复习了，现在啥都不会）
对于一个方阵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.高数：梯度
梯度的本意是一个向量（矢量），表示某一函数在该点处的方向导数沿着该方向取得最大值，即函数在该点处沿着该方向（此梯度的方向）变化最快，变化率最大。
（基本答对）
4.数据结构：说几种排序算法的复杂度
只说了四种，丢脸了。都没有答堆排序和桶排序
5.编程经历
主要说的是ACM经历
6.是否了解意愿导师的方向
了解，CV+NLP
7.除了ACM之外的编程经历，有没有接触CV，NLP，机器学习等方向的工作
说了一些关于CV的算法学习，我提到了PointNet，老师就开始提问了。忘记说国家级大创机器学习项目了，哭了。
8.PointNet细节
-
PointNet处理点云数据的最大贡献是：
我答的是max对称函数，对点云输出顺序不变性。也不知道对不对，PointNet相比之前的工作，主要特点是直接处理点云。 -
PointNet的损失函数 ：
啊，这个被我忽略了。之后想一下，对于分类，官方是在softmax classification loss基础上加一个0.001权重的T-Net的L2范数。 -
PointNet处理旋转的点云数据结构是否一样：
比如点云整体的旋转和平移不应该影响它的分类或者分割结果，对于这个特征，PointNet首先对输入点集做了一个输入变换，变化到一个规范空间。mlp之后又做了一个特征变换。
9.介绍
我只面试了七min吧，别的同学平均15min吧，QAQ。等待六小时，上车七分钟。或许是最后老师疲了，也或许是我太菜了，早早结束了。