Preguntas generales:
En primer lugar, tienes que estar preparado para que te pregunten sobre conceptos básicos. Incluye tu conocimiento y experiencia en herramientas, operadores y algoritmos.
- ¿Tienes experiencia trabajando con librerías de visión por ordenador (por ejemplo OpenCV)? Nombra algunas con las que hayas trabajado.
- ¿Estás familiarizado con los algoritmos de aprendizaje automático(por ejemplo: K-nearest neighbors)? Nombra algunos de ellos.
- ¿Estás familiarizado con los filtros de imagen/vídeo(por ejemplo, Filtrado Gaussiano, Morfología)? Nombra algunos de ellos.
Con estas preguntas, probablemente no necesites explicar detalles, ¡sólo demostrar que conoces lo básico!
Algoritmos + Implementación:
El segundo grupo de preguntas está relacionado con la evaluación de tus conocimientos de algoritmos.
- ¿Qué es el etiquetado de componentes conectados y cómo lo implementas para una matriz/imagen X dada?
- ¿Cuál es la diferencia entre aprendizaje supervisado, no supervisado y de refuerzo? Dados los datos X, ¿cuál podría ser el mejor enfoque para implementar un algoritmo de aprendizaje?
- ¿Qué es la red neuronal convolucional? Pon un ejemplo de un problema de visión por computador en el que el uso de una red de este tipo sea beneficioso.
Aquí es importante que puedas explicar los algoritmos y probablemente compartir con la gente un pseudocódigo o similar para implementarlos.
Herramientas:
Si conocer un lenguaje/marco de programación/biblioteca es uno de los requisitos del puesto de investigación/trabajo, probablemente te van a preguntar por ellos con más detalles:
- ¿Hay soporte para GPU con OpenCV? ¿Puedes explicarlo?
- ¿Puedes implementar el algoritmo de segmentación X usando C++?
- ¿Puedes implementar un clasificador de imágenes basado en la nube (AWS, Azure, GCP)?
Aquí, los entrevistadores van a evaluar básicamente tu estilo de codificación y tu experiencia.