当前位置: 首页 > 面试经验 >

高德算法实习生(一面)面经

优质
小牛编辑
58浏览
2024-08-09

高德算法实习生(一面)面经

2024年3月29日高德算法实习生岗位的一面面试。

这次面试主要是为了积累经验,虽然有些问题没有答上来,但还是希望能为大家提供一些参考。

面试过程

  1. 请介绍一段与算法相关的项目经验。
  2. 请解释Xgboost和GBDT的区别。
  • 回答:两者都是梯度提升模型,但Xgboost使用二阶泰勒展开,而GBDT使用残差进行训练。Xgboost的决策树可以是回归树或分类树,训练速度较快,因为可以并行训练。
  1. 你有进行调参吗?目标是什么?
  • 回答:调参包括树的深度、弱分类器的类型和迭代次数。
  1. Xgboost的损失函数是什么?
  • 回答:我提到使用了L1 loss或L2 loss,但具体忘记了。
  1. L1 loss和L2 loss的区别是什么?
  • 回答:L1 loss是绝对值损失,L2 loss是平方损失。L2在预测值和真实值差距较大时下降速度更快,但对异常值敏感。
  1. 刚才提到了y,那么x呢?有对数据做预处理吗?
  • 回答:不记得了。
  1. 需要做数据预处理吗?
  • 回答:描述了平时的预处理方法。
  1. 有没有进行归一化、标准化?
  • 回答:了解过batch normalization。
  1. batch normalization的运用场景是什么?
  • 回答:不清楚。
  1. 什么场景用batch normalization,什么场景用layer normalization?
    • 回答:不清楚,需要查一下。
  2. 回答:不清楚,需要查一下。
  3. 深度学习用过什么模型?
  4. Yolov3和Yolov8有什么区别?
    • 面试官更想知道为什么速度和性能有很大提升。
  5. 面试官更想知道为什么速度和性能有很大提升。
  6. 对Yolov3和Yolov8的原理有了解吗?
  7. one stage和two stage的区别?two stage的第一个stage在干嘛?
  8. Yolo的损失函数是什么?为什么可以把two stage变成one stage?
  9. 你知道Yolo的目标函数是什么?
  10. 还有其他的目标检测方法吗?
    • 回答:提到了传统方法如匈牙利匹配加卡尔曼滤波,现在也有更多的目标检测算法,如直接用神经网络进行输入输出。
  11. 回答:提到了传统方法如匈牙利匹配加卡尔曼滤波,现在也有更多的目标检测算法,如直接用神经网络进行输入输出。

反问环节

  1. 可不可以对我提一些建议?
  • 回答:简历上的内容要尽可能了解其机制和原理。例如,写了Xgboost,就会问相关的原理和信息。面试官会关注解题能力、为什么要用这个方法、还有哪些候选方法、对比、哪些原理和机制更适合当前的业务场景。
  • Yolo:虽然不是所有人都了解,但还是会问v3和v8的区别、目标检测的历史、为什么从two stage到one stage、每个迭代版本优化的目的是什么。在解决问题时选择正确的模型。
  • 面试官想听为什么选择这个方法,这个方法有哪些优点。例如,可以说因为部门问题,前后的上下游输入输出只能用two stage的方法,先进行b-box的选择,再对b-box进行分类。对精度要求不高、对可解释性要求较高、计算速度要求快、不需要非常准确的情况下可以用传统方法。
  1. 专业不对口有关系吗?
  • 回答:场景有交通方向的工作。应届生主要看学习能力和技术能力。应届生可能不会参加过多的项目,不用太在意答不出来的问题。

建议

如果有二面的话,主管会比较看重学习能力、表达能力和技术能力。一个遗憾是没有表达清楚数学建模想解决的问题是什么。面试前需要提前回忆一下。

#软件开发笔面经#
 类似资料: