1.给定0-1矩阵，求连通域。 使用到的方式有直观的获取连通区域，也有DFS，动态规划的方式。
2.写一个函数，求灰度图的直方图 步骤：将图像转换为灰度图像 I = 0.3 * R + 0.59 * G + 0.11 * B 然后在对应图像中把所有相同像素的统计在同一列中。 初始化所有背景，将值不为0的标志为白色区域。 3.写一个均值滤波（中值滤波） 获取图像中的对应像素的领域，分别对像素点进行排序后对其进行中值选择作为该像素点的像素值。 4.SVM工作原理以及公式推导。 5.SIFT，SURF介绍。 6.XGBOOST，GBDT介绍，区别。Bagging 和 Boosting的区别。 7.链表的逆序，顺序排序。 8.卷积核的作用是什么？ 9.pooling层的作用。 10.CART的基本结构 11.缺失值怎么处理？ 12.损失函数是什么？ 13.RELU的正半轴是线性的，怎么实现非线性的呢？ 14.神经网络的可解释性？哪些方法？神经网络的工作性质。 15.深度学习的正则化。过拟合怎么解决，L1和L2正则化有什么区别。 16.线性回归和逻辑回归的区别。 17.决策树的ID3，C4.5，CART等，决策树的split原理和剪枝策略。 18.朴素贝叶斯的公式 19.偏差和方差是什么，高偏差和高方差说明了什么 20.PCA的原理。 21.深度学习框架. 22.如逻辑回归、SVM、神经网络、CNN, 决策树、贝叶斯，Gradient Boost，KNN，K-Means
