科大讯飞-飞星计划算法工程师面经
更新：7.18一面，7.22收到感谢信，8.9流转到正式批，8.24二面，9.5三面，9.15HR面
7.18一面 (20min)
总结：没聊项目，只问深度学习的基本知识。
1.用什么语言？
2.用过什么优化器？哪个收敛快？哪个泛化性好？
3.用过哪些激活函数？激活函数有什么作用?
4.leakyrelu和relu的区别?
5.用过relu6吗?有什么好处？
6.讲一下交叉熵
7.softmax和hardmax，softmax好处？什么时候用hardmax？
8.讲一下牛顿法和拟牛顿法
9.遇到梯度消失，有什么解决方法？
10.LSTM有几个门？分别讲一下
11.LSTM里hiddenstate和输出有什么关系？
12.听说过LSTMP(projection)吗？
13.GRU相比LSTM有什么不一样?
14.LSTM和Transformer结构各有什么优缺点？
15.反问
8.24二面 (50min)
总结：没聊项目，纯聊天面。
1.自我介绍
2.聊家庭背景，有无女朋友等等
3.聊城市选择，未来想在哪里发展
4.聊期望薪资，换了个说法问在合肥需要多少薪资能满足???
5.聊手上其他公司offer情况，给开了多少？
6.问了一下自己的研究方向，没有深入问，简单介绍一下
7.聊了几件实事和新闻，花了比较多时间在这一块聊天上，主要是考察思维能力和心理正不正常？
8.反问：问了岗位详情和主要业务，说是算法和开发四六开
9.反问：一共几轮面试？往年是两轮技术面，今年竞争激烈，可能三轮
9.5三面 (50min)
三面是技术面，全程四五十分钟。
- 自我介绍
- 问保研考研、本科成绩、老家是哪的、高考排名、期望工作地、女朋友等等
- 个人优势和长处，举具体例子说明
- 问自己和科班的比，优势和劣势
- 聊项目，问技术细节，问数据量、训练时间、怎么更新的模型、损失函数、怎么处理类别不均衡、训练技巧等等
- 数学怎么样？做一道题：长5m的棍子靠在墙边，一端在墙上离地面4m，一端在地上离墙3m，在地上的一端有一个平行于地面的、远离墙的1m/s的瞬时速度，问靠墙的另一端向下的瞬时速度是多少？用数学思维做，就是用微分做。
- 反问：这是最后一轮面试吗？如果过了的话，后面还有HR面。
9.15HR面 (20min)
电话面试，问一些常规的问题，还有对科大讯飞了解哪些？说出最想去的三个公司？意向城市？
不一一列举了，诸如此类的问题。
类似资料：