万物心选算法实习生面经（一面二面+三面挂）

万物心选是一个小公司，但是听HR说团队挺牛的，是百度的原创团队成员，二面三面的时候也能感觉到面试官是大佬，但是感觉很怪，前面都聊得挺好的，最后把我挂了，浪费我蛮多时间的。

感觉最开始可能是想要我的，但是后来来了更合适的候选人，就找个理由把我挂掉了。

一面（7.5）

1. 自我介绍

2. 推荐的岗位和其他算法岗（CV，NLP）有啥区别

3. 写个代码（补全训练过程，可以上网查，也可以复制自己的代码）

   import torch
   import torch.nn as nn
   import torch.optim as optim
   from torch.utils.data import DataLoader, TensorDataset
   
   # 训练数据
   train_x, train_y = torch.randn(1000, 10), torch.randint(0, 3, (1000,))
   train_dataset = TensorDataset(train_x, train_y)
   train_loader = DataLoader(train_dataset, batch_size=32, shuffle=True)
   
   # 定义模型
   class ThreeClassModel(nn.Module):
       def __init__(self):
           super(ThreeClassModel, self).__init__()
   
       def forward(self, x):
           
   
   model = ThreeClassModel()
   
   #loss optim
   
   num_epochs = 10
   for epoch in range(num_epochs):
   
       for inputs, labels in train_loader:
   
   # 至少输出每个epoch的loss信息
   

4. 讲一遍你刚才写的代码

5. 线性层和激活函数层如何交换

6. Adam优化器和SGD的区别

7. 分类问题为什么用交叉熵损失函数不用MSE

8. 介绍一下你的深度学习项目

9. 你的项目用的什么模型，介绍一下模型

10. 你模型里面一维卷积的作用

11. 模型中用到的损失函数

12. 反问

二面（7.6）

感觉是个大佬，很厉害，问问题也处变不惊

1. 自我介绍
2. 数据处理了解吗
3. 讲讲Spark的架构（只回答了map和reduce，面试官想了解connect之类的）
4. 对于运算速度有什么优化方法嘛
5. 介绍一下你的第一个深度学习项目
6. 人员多少
7. 你负责的主要工作
8. 了解机器学习嘛，介绍一些模型
9. 了解LGB Boost嘛
10. 决策树的生成过程
11. 什么是信息增益
12. 动态规划的核心思想
13. 了解深度学习嘛，介绍一些模型
14. 你觉得深度学习和机器学习的区别
15. 你觉得深度学习和现在大模型的区别
16. 你觉得现在的大模型会如何影响算法工程师这个职业
17. 由一个数组里面除了一个数只出现一次，其余的数都出现过两次，求如何获得出现过一次的数（异或运算）
18. 你想做算法还是数据，或者算法+数据
19. 两个算法岗位，你如何选择
20. 你了解我们企业嘛
21. 你觉得我们企业需要算法工程师嘛
22. 你大学最值得骄傲的一件事
23. 反问
    1. 为什么问我选数据还是算法
    2. 工作内容

三面（7.7）

1. 没有自我介绍
2. 你老家是哪的，为什么会选择南开，为什么选择数学
3. 直观地解释一下Transformer注意力机制
4. 你用Transformer做的这个项目介绍一下
5. 介绍一下自己的第一个深度学习项目
6. 当初为什么想要做这个项目
7. 你作为负责人的主要工作是什么，以及最重要的职责是什么
8. 你是怎么进行数据清洗
9. 有没有想过数据清洗和模型试验迭代进行
10. 听说你保研了，为什么保研了想要出来实习呢
11. 反问
    1. 感觉聊得比较宏观，您觉得我还有什么欠缺的嘛
    2. 感觉电商市场饱和了，万物心选还能拿到市场份额嘛
    3. 种草平台的话，内容作者是非常重要的，万物心选有什么工作嘛

总结

7.7号当天晚上就说我没通过，也没有说具体原因。总的来说感觉公司应该有一定的发展前景，公司比较小，管理也比较扁平化，有和大佬交流的机会，但是就是把自己挂了感觉有点莫名其妙。