1. 神经网络可以用来做任务预测。那么在任务系统中，神经网络能表示出它还需要做的任务吗？（比如打车，需要三个信息(A,B,C)。它已经得到了一个信息A，怎么让系统能走接下的几步,获得得必要的信息呢？）
2.姿态估计（pose estimation）的主流方法有哪些？优点和缺点分别是？
3. Keras，Theano，pytorch，caffe2 哪种框架更好一些，应该怎么尝试学习？
4. 如何调用caffe已经训练好的net？
5. 在所有参数都相同的情况下，同一个模型用theano，tf，pytorch实现，performance差距较大的原因有哪些？
6.神经网络可以实现连续型变量的回归预测吗？如果可以，怎么做？
7. 深度神经网络（deep neural network）具体工作原理是怎样的？
8.CNN(卷积神经网络)、RNN(循环神经网络)、DNN(深度神经网络)的内部网络结构有什么区别？主要用途分别是什么？
9. cnn是如何解决人脸或人体关键点回归问题的？
10. 如何评价rcnn、fast-rcnn和faster-rcnn这一系列方法？
11. 目标检测SSD相对于YOLO与faster-RCNN做了哪些改进？效果怎样？
12.深度神经网络（DNN）是否模拟了人类大脑皮层结构？
13.如何看待Geoffrey Hinton所说的深度学习要另起炉灶，彻底抛弃反向传播？
14.sigmod和kdd近两年的论文，在机器学习方面不容错过的神作？
15.github上有哪些值得学习的关于推荐算法的程序？
16.如何绘制caffe训练过程中的loss和accurary的曲线？
17.在图像识别领域，有没有可以移植到嵌入式移动设备的深度学习算法？
18.caffe，theano，torch，mxnet，tensorflow等诸多工具中，哪款更适合阅读源代码学习？
19.如何评价caffe2？
20.caffe的finetuning是如何更新网络参数的？
21.在 Caffe 中如何计算卷积？
22.迁移学习与fine-tuning有何异同？
23.用matlab做深度学习，有什么工具箱可以直接调用吗？
24.什么是迁移学习 (Transfer Learning)？这个研究方向发展前景如何？
25. 迁移学习中的负迁移是什么？有哪些比较好的资料说明？
26. 在NLP上，CNN、RNN、MLP等方法各有何优劣?
27.支持向量机(SVM)是什么？
28.Linear SVM 和 LR 有什么异同？
29.SVM和logistic各自适用于哪些场景？
30.使用SVM进行分类的时候怎么选择合适的核函数？
31.caffe中的deconvolution和upsample有什么区别？
32.多标签（multi-label）数据的学习问题，常用的分类器或者分类策略有哪些？
33.怎么把深度学习Caffe做成一个动态库，方便在其他应用程序中调用？
34.计算机视觉中，目前有哪些成熟的匹配定位算法？
35.有哪些机器学习、图像识别方面的入门书籍？
36.Python的各种imread函数在实现方式和读取速度上有何区别？（例如skimage.io.imread，PIL.Image.open，matplotlib.image.imread等）
37.caffe SolverParameter中的iter_size参数什么作用？
38.如何从零开始实现一个图像处理库？
39.用于数据挖掘的聚类算法有哪些，各有何优势？
40.什么是无监督学习？
41.AP算法中两个参数的交替过程怎么样通俗的理解？
42.tensorflow中的seq2seq例子为什么需要bucket？
43.如何看待Tensor Comprehensions？与TVM有何异同？
44.如何通过程序估计cache大小？
45.论文中卷积神经网络常见的示意图用什么软件来画比较容易？
46.TensorFlow有哪些令人难以接受的地方？
47.语音识别的技术原理是什么？
48.目前常用的自然语言处理开源项目/开发包有哪些？
49.Python 在网页爬虫、数据挖掘、机器学习和自然语言处理领域的应用情况如何？
50.有哪些比较好的中文分词方案？