一、深度技能是什么意思
意思就是還有淺的！
二、如何定位自己。
不管什么工作只要你喜歡就去做，不在乎學的什么專業，可以一到兩年換換不同的工作。人才不是讀書讀出來的，需要融入社會環境反復歷練，經歷人生的得失，你慢慢會知道自己要的是什么，這個世上沒有人會比你更了解你自己了。不要急著給自己定位，把自己早早放進一個框里，那樣你的發展會太過局限性！不過35歲之后就別隨意跳槽了對你長期發展不利。
三、作為面試官，如何判斷一個面試者的深度學習水平
作為面試官判斷一個面試者的深度學習水平的方法：
1. 在使用一種方法（無論是深度學習或是“傳統”方法）的時候，面試者對它的優點和局限性是否都有所認識。在面對不同的問題的時候，我們希望面試者可以通過獨立思考做出一個informed choice，而不是因為“上周看了一篇paper是這樣做的”或者“BAT/FLAG就是這樣做的”。
2. 面試者是否有完整的機器學習項目經驗。這意味著從理解需求開始，到收集數據、分析數據，確定學習目標，選擇算法、實現、測試并且改進的完整流程。因為我們希望面試者對于機器學習在實際業務中所帶來的影響有正確的判斷能力。當然，如果是可以通過python／或是結合Java/Scala來完成所有這些事情就更好啦。
3. 面試者是否具備基本的概率／統計／線性代數的知識——數學期望，CLT，Markov Chain，normal/student’s t distribution（只是一些例子），或是PCA/SVD這些很基礎的東西。另外（最理想的），希望面試者對于高維空間的一些特性有直覺上的認識。這部分并不是強行要求背公式，只要有理解就可以。畢竟這不是在面試數學系的教職——我們只是希望面試者可以較好地理解論文中的算法，并且正確地實現，最好可以做出改進；另外，在深度學習的調參過程中，比較好的數學sense會有助于理解不同的超參數對于結果的影響。
4. 面試者是否有比較好的編程能力，代碼習慣和對計算效率的分析能力。
5. 面試者在機器學習方面，對基本的概念是否有所了解（譬如說，線性回歸對于數據的假設是怎樣的），以及對于常見的問題有一定的診斷能力（如果訓練集的正確率一直上不去，可能會出現哪些問題——在這里，我們希望面試者能夠就實際情況，做一些合理的假設，然后將主要的思考邏輯描述清楚）。我們會根據面試者所掌握的方法再比較深入地問一些問題，而且我們希望面試者不僅僅是背了一些公式或算法，或是在博客或知乎上看到了一些名詞（比如VC維度，KKT條件，KL divergence），實際上卻不理解背后的理論基礎（有時候這些問題確實很難，但“知道自己不知道”和“不知道自己不知道”是差別很大的）。打個比方，如果面試者提到核技巧，那么給到一個實際的線性不可分的數據（譬如XOR，或者Swiss Roll），面試者能清楚地設計，并通過實際計算證明某個kernel可以將此數據轉化到一個高維并線性可分的空間嗎？
6. 在深度學習方面，我們希望面試者具備神經網絡的基礎知識（BP），以及常見的目標函數，激活函數和優化算法。在此基礎上，對于常見的CNN/RNN網絡，我們當然希望面試者能夠理解它們各自的參數代表什么，比較好的初始參數，BP的計算，以及常見超參數的調整策略——這些相信Ian Goodfellow的Deep Learning一書都有非常好的介紹——我們也希望面試者能夠在具體領域有利用流行框架（可能是tensorflow——但是這并不是必須的）搭建實際應用的經驗。當然，我們希望面試者讀過本領域的paper，并且手動驗證過他們的想法，并且可以對他們方法的優缺點進行分析。當然，如果面試者有更多興趣，我們可以探討更深入的一些問題，比如如何避免陷入鞍點，比如通過引入隨機噪音來避免過擬合，比如CNN的參數壓縮，比如RNN對于動力系統的建模，比如基于信息理論的模型解釋，等等等等，在這些方面，我們是抱著與面試者互相切磋的心態的。
7. 通常上面我們說的都是監督學習，往往結果是回歸或分類。當然，也許面試者還精通RL／transfer learning／unsupervised learning這些內容，那么我們可以逐一討論。
此外，如果面試者應聘的是某一個特定領域的職位，那么當然地，我們會希望他同時具備很強的領域知識，這里就不展開說明了。
在很短的時間內想要全面地了解一個人確實非常困難。調查顯示，往往面試官自以為很準的“感覺”，其實是一個糟糕的performance predictor。我希望可以結合相對客觀的基礎問題，以及面試者自身的特長，來對面試者的理論和實戰能力做一個判斷。基礎扎實，有實戰經驗并且有一技之長的面試者通常會是非常理想的候選人。
四、什么叫數控?數控技術包括那些?怎樣學好數控
數控技術是指用數字、文字和符號組成的數字指令來實現一臺或多臺機械設備動作控制的技術。它所控制的通常是位置、角度、速度等機械量和與機械能量流向有關的開關量。數控的產生依賴于數據載體和二進制形式數據運算的出現。1908年，穿孔的金屬薄片互換式數據載體問世；19世紀末，以紙為數據載體并具有輔助功能的控制系統被發明；1938年，香農在美國麻省理工學院進行了數據快速運算和傳輸，奠定了現代計算機，包括計算機數字控制系統的基礎。數控技術是與機床控制密切結合發展起來的。1952年，第一臺數控機床問世，成為世界機械工業史上一件劃時代的事件，推動了自動化的發展。
現在，數控技術也叫計算機數控技術，目前它是采用計算機實現數字程序控制的技術。這種技術用計算機按事先存貯的控制程序來執行對設備的控制功能。由于采用計算機替代原先用硬件邏輯電路組成的數控裝置，使輸入數據的存貯、處理、運算、邏輯判斷等各種控制機能的實現，均可通過計算機軟件來完成。
近年來，隨著計算機技術的發展，數字控制技術已經廣泛應用于工業控制的各個領域，尤其是機械制造業中，普通機械正逐漸被高效率、高精度、高自動化的數控機械所代替。目前國外機械設備的數控化率已達到85%以上，而我國的機械設備的數控化率不足20%，隨著我國機制行業新技術的應用，我國世界制造業加工中心地位形成，數控機床的使用、維修、維護人員在全國各工業城市都非常緊缺，再加上數控加工人員從業面非常廣，可在現代制造業的模具、鐘表業、五金行業、中小制造業、從事相應公司企業的電腦繪圖、數控編程設計、加工中心操作、模具設計與制造、 電火花及線切割工作，所以目前現有的數控技術人才無法滿足制造業的需求，而且人才市場上的這類人才儲備并不大，企業要在人才市場上尋覓合適的人才顯得比較困難，以至于導致模具設計、CAD/CAM工程師、數控編程、數控加工等已成為我國各人才市場招聘頻率最高的職位之一。在各種招聘會上，數控專業人才更是企業熱衷于標注“急聘”、“高薪誠聘”等字樣的少數職位之一，以致出現了“月薪6000元難聘數控技工”，“年薪16萬元招不到數控技工”的現象。據報載，我國高級技工正面臨著“青黃不接”的嚴重局面，原有技工年齡已大，中年技工為數不多，青年技工尚未成熟。在制造業，能夠熟練操作現代化機床的人才已成稀缺， 據統計，目前，我國技術工人中，高級技工占3.5%，中級工占35%，初級工占60%。而發達國家技術工人中，高級工占35%、中級工占50%、初級工占15%。這表明，我們的高級技工在未來5—10年內仍會有大量的人才缺口。
隨著產業布局、產品結構的調整，就業結構也將發生變化。企業對較高層次的第一線應用型人才的需求將明顯增加。 而借助國外的發展經驗來看，當進入產業布局、產品結構調整時期，與產業結構高度化匹配、培養相當數量的具有高等文化水平的職業人才，成為迫切要求。而對于數控加工專業，不僅要求從業人員有過硬的實踐能力，更要掌握系統而扎實的機加理論知識。因此，既有學歷又有很強操作能力的數控加工人才更是成為社會較緊缺、企業最急需的人才。
下面的問題上面那位仁兄已經回答過了
