一、技术类题目（单选/多选）
1. 学习框架
题目：AI中常用的学习框架不包括？
选项：A. TensorFlow；B. PyTorch；C. Excel
答案：C（Excel不属于学习框架）
2. 监督学习算法
题目：以下哪种算法属于监督学习？
选项：A. K-means；B. 决策树；C. PCA
答案：B（决策树需依赖标注数据）
3. 图像识别技术
题目：图像识别中常用的特征提取方法是？
选项：A. SIFT；B. DBSCAN；C. LDA
答案：A（SIFT用于局部特征提取）
4. 神经网络误区
题目：关于神经网络的错误说法是？
选项：A. 多隐藏层即神经网络；B. 可解决非线性问题；C. 训练速度都很快
答案：C（训练速度受数据量和结构影响）
5. 数据归一化方法
题目：可归一化数据的预处理方法是？
选项：A. 标准化；B. 特征选择；C. 数据采样
答案：A（标准化如Z-score）
二、行为评估类题目（参考宝洁八大问形式）
1. 任务优先级管理
问题：描述你如何处理繁重任务并达成结果。
回答建议：使用STAR法则，强调任务拆分、时间管理工具（如甘特图）和最终成果。
2. 新技能学习经历
问题：举例说明你快速掌握新技能的过程。
回答建议：结合具体技术（如Python或TensorFlow），说明学习路径与实践应用。
3. 应对质疑的场景
问题：上级质疑你的方案时如何回应？
回答建议：展示数据支持、主动沟通改进方案，并突出后续优化效果。
三、行业与岗位相关问题
1. AI在医疗领域的应用
题目：列举AI在赛诺菲相关业务中的潜在价值。
回答建议：药物研发（如分子筛选）、临床试验数据分析、个性化医疗推荐。
2. 与合规
题目：如何平衡AI技术发展与数据隐私？
回答建议：提及匿名化处理、合规审计（如GDPR）及模型偏见检测。
四、高频考点补充
编程语言：Python是AI开发主流语言，需熟悉基础库（NumPy/Pandas）。
过拟合解决：增加数据量、Dropout层或交叉验证。
强化学习核心：奖励机制驱动智能体决策（如医疗资源调度场景）。
以上题目覆盖技术基础与岗位实践，建议结合赛诺菲的医疗背景针对性准备。更多完整题库可参考相关来源。
