Domande generali:
Prima di tutto, devi essere preparato ad essere interrogato sui concetti di base. Include la tua conoscenza ed esperienza su strumenti, operatori e algoritmi.
- Hai qualche esperienza di lavoro con le librerie di computer vision (ad esempio OpenCV)? Nominane alcune con cui hai lavorato.
- Hai familiarità con gli algoritmi di apprendimento automatico (es: K-nearest neighbors)? Dimmene alcuni.
- Hai familiarità con i filtri per immagini/video (es: filtraggio gaussiano, morfologia)? Dimmene alcuni.
Con queste domande, probabilmente non hai bisogno di spiegare i dettagli, ma solo di dimostrare che conosci le basi!
Algoritmi + Implementazione:
Il secondo gruppo di domande è relativo alla valutazione della tua conoscenza degli algoritmi.
- Cos'è l'etichettatura a componenti connesse e come la implementi per una data matrice/immagine X?
- Qual è la differenza tra apprendimento supervisionato, non supervisionato e di rinforzo? Dati i dati X, quale potrebbe essere il miglior approccio per implementare un algoritmo di apprendimento? Fai un esempio di un problema di computer vision in cui l'uso di tale rete è vantaggioso.
Qui è importante che tu possa spiegare gli algoritmi e probabilmente condividere con le persone uno pseudo-codice o simile per implementarli.
Tools:
Se conoscere un linguaggio di programmazione/framework/library è uno dei requisiti della posizione di ricerca/lavoro, probabilmente ti chiederanno informazioni più dettagliate:
- C'è qualche supporto GPU con OpenCV? Puoi spiegarlo?
- Puoi implementare l'algoritmo di segmentazione X usando il C++?
- Puoi implementare un classificatore di immagini basato su cloud (AWS, Azure, GCP)?
Qui, gli intervistatori stanno fondamentalmente per valutare il tuo stile di codifica e la tua esperienza.