想从事深度学习工作的进来看，经典面试问题帮你整理好了

更新几个面试被问到或者联想出来的问题，后面有时间回答
　　SGD 中 S（stochastic）代表什么
　　个人理解差不多就是Full-Batch和Mini-Batch
　　监督学习／迁移学习／半监督学习／弱监督学习／非监督学习？
　　本笔记主要问题来自以下两个问题，后续会加上我自己面试过程中遇到的问题。
　　深度学习相关的职位面试时一般会问什么？会问一些传统的机器学习算法吗？
　　如果你是面试官，你怎么去判断一个面试者的深度学习水平？
　　以下问题来自@Naiyan Wang
　　CNN最成功的应用是在CV，那为什么NLP和Speech的很多问题也可以用CNN解出来？为什么AlphaGo里也用了CNN？这几个不相关的问题的相似性在哪里？CNN通过什么手段抓住了这个共性？
　　Deep Learning -Yann LeCun， Yoshua Bengio & Geoffrey Hinton
　　Learn TensorFlow and deep learning， without a Ph.D.
　　The Unreasonable Effectiveness of Deep Learning -LeCun 16 NIPS Keynote
　　以上几个不相关问题的相关性在于，都存在局部与整体的关系，由低层次的特征经过组合，组成高层次的特征，并且得到不同特征之间的空间相关性。如下图：低层次的直线／曲线等特征，组合成为不同的形状，最后得到汽车的表示。
　　
　　CNN抓住此共性的手段主要有四个：局部连接／权值共享／池化操作／多层次结构。
　　局部连接使网络可以提取数据的局部特征；权值共享大大降低了网络的训练难度，一个Filter只提取一个特征，在整个图片（或者语音／文本） 中进行卷积；池化操作与多层次结构一起，实现了数据的降维，将低层次的局部特征组合成为较高层次的特征，从而对整个图片进行表示。