腾讯cdg机器学习岗面经
（1）死锁的两种原因
（2）模型量化的方式，我说kv cache和参数量化，面试官问量化是怎么提高推理加速的效率，我答不太上来
（3）transformer自注意力层的时间复杂度
（4）stack和dequeue的区别
（5）算法题：有效ip地址
一面面试官是我遇到最善良的面试官，他对跨专业同学的包容性大到难以置信。也很感谢他的宽容和鼓励。最后反问环节，他跟我举了jieba分词的例子，鼓励我要多看代码，掌握好基础知识，很多时候实际应用就是利用大量基础知识来展开实现的。很可惜，他base北京，最终要去的是深圳，没办法找他当我mentor
二面
印象最深刻的问题是知识蒸馏技术路线。当时我介绍自己的项目，项目是关于bert模型知识蒸馏的。这个项目本身是偏指标驱动的，只要达到一定加速比/参数压缩比和一定范围内的精度损失即可。而面试官则提问我是否有做过文献和技术路线的调研，这部分我没答太好。幸好后面讲自己的工作就比较顺利了。算法题是字节经典题目“螺母螺栓匹配次数计算”，有兴趣的同学可以去查查。至于有没有问八股我记不太清了
三面
以后的规划、以前项目遇到什么难点+如何解决
hr面
论文等级、几作、贡献是什么；用几个词评价自己；为了面试做了什么准备；对面试岗位的理解；简单介绍自己的项目；能实习多久；研究生成绩怎样（因为我是转专业的学生，所以hr可能比较关心）
#腾讯# #机器学习# #cdg# #算法#
类似资料：