更新幾個面試被問到或者聯想出來的問題，后面有時間回答
　　SGD 中 S（stochastic）代表什么
　　個人理解差不多就是Full-Batch和Mini-Batch
　　監督學習／遷移學習／半監督學習／弱監督學習／非監督學習？
　　本筆記主要問題來自以下兩個問題，后續會加上我自己面試過程中遇到的問題。
　　深度學習相關的職位面試時一般會問什么？會問一些傳統的機器學習算法嗎？
　　如果你是面試官，你怎么去判斷一個面試者的深度學習水平？
　　以下問題來自@Naiyan Wang
　　CNN最成功的應用是在CV，那為什么NLP和Speech的很多問題也可以用CNN解出來？為什么AlphaGo里也用了CNN？這幾個不相關的問題的相似性在哪里？CNN通過什么手段抓住了這個共性？
　　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
　　以上幾個不相關問題的相關性在于，都存在局部與整體的關系，由低層次的特征經過組合，組成高層次的特征，并且得到不同特征之間的空間相關性。如下圖：低層次的直線／曲線等特征，組合成為不同的形狀，最后得到汽車的表示。
　　
　　CNN抓住此共性的手段主要有四個：局部連接／權值共享／池化操作／多層次結構。
　　局部連接使網絡可以提取數據的局部特征；權值共享大大降低了網絡的訓練難度，一個Filter只提取一個特征，在整個圖片（或者語音／文本） 中進行卷積；池化操作與多層次結構一起，實現了數據的降維，將低層次的局部特征組合成為較高層次的特征，從而對整個圖片進行表示。