CV和ML领域的大牛实验室主页不断更新:
CV领域:
1)马毅,主页:http://people.eecs.berkeley.edu/~yima/
2)朱松纯,主页:http://www.stat.ucla.edu/~sczhu/
3)何恺明,主页:http://kaiminghe.com/
ML领域:
1)周志华,主页:http://cs.nju.edu.cn/zhouzh/
TCL小哥太和善了,全程体验极为舒适,可惜面的岗位主要做的是机器学习,不过也值得我学习 自我介绍 ======目标检测项目====== 项目介绍 预处理方法介绍,还了解哪些预处理方法 改进点是什么,为什么这么改进 为什么要是用mobilenet?精度上有提升吗,为什么?CBAM结构?这种结构还可以用在什么领域画质类任务了解吗? SPP结构有没有用,结果和原因 YOLOv1-v5系列详细说一下 ==
目前总共做过两场线上笔试 感觉相比米哈游,蚂蚁的单选和不定项选择要容易许多,但是编程好像比米哈游难呜呜呜(一定是我太菜狗了) 来说一下三道编程题吧: 1. 翻转字符串中的大写字母段后输出(这个就是双指针依次找到每个大写字母段的首尾然后翻转即可,可以定义一个reverseString函数)--> ac 2. 从输入的数组中找到符合条件的所有三元组数目,条件:满足2*x=y+z(但是很坑的是比如对于数
我已经准备好了机器学习算法。我想在一个拥有70个城市的国家将其投入生产。但在将其推广到 70 个城市之前,我想在 1 个城市进行实验,以评估它在生产中的性能。但是,我现在面临一个问题,如果出现以下情况,我应该设置什么标准:1. 时间(我可以将其投入生产多少个月)2.数据(在实时环境中我需要多少数据来评估算法性能) 任何人都可以在生产环境中指导此机器学习实验吗? 编辑:我正在将机器学习应用于美国的价
终于轮到我写面经了,之前因为拿不到oc一直不敢写,现在感觉成功了90%,就先半场开个香槟,攒攒人品。 bg:双9,非科班,一篇二区,一篇准备投二区,两个项目,一个项目论文,一个项目专利。 简历挂:360,携程,美团,阿里云 其中阿里云点名批评,hr给我打电话,问我要不要走他们部门的流程,如果走的话可能要一个月的时间,还贴心地说如果觉得部门不合适的话可以给我推到其他部门,我深受感动,当即同意进入流程
更新:已经进入hr面 ———————————————- 二面面试官经验也很丰富,对技术的考查不多 上来先确认 工作地点和部门 上海腾讯优图实验室 1. 两分钟自我介绍 2. 对简历上哪个工作认为最好 3. 打开ppt简短介绍一下 4. 那个工作的前置工作是哪个(MasaCtrl) 5. 生成评价指标(clip i2i t2i lpips fid等) 6. 怎么判断生成异常歧义的指标(我想不出来没接
小硕一枚,有幸笔试做两道被美团捞简历,成为第一个暑期给面试的公司 流程: 1.面试官介绍部门做什么的,视觉智能的,现在在做中文的文字可控生成 2.我自我介绍,介绍一下简历上一个印象深刻的项目 3.掰扯一些论文的做法,(他不懂) 然后问我如何端到端训练风格迁移,用扩散模型 4.乱扯了在快手做的事情 5.如果让我做可控文本生成,我会怎么做,发散问题(不会,实在不懂) 6.缩小范围,字体风格迁移要怎么做
一、单选: 1、CLIP模型的主要创新点:图像和文本两种不同模态数据之间的深度融合、对比学习、自监督学习 2、一个3*3,stride=1,dilation=1的卷积加上一个步长为2的2*2池化,再加上一个3*3 ,stride=3,dilation=1的卷积对应的等效步长是多少:6(第一步不改变步长,第二步步长为2,第三步步长为2*3) 3、a=np.random.randn(3,3) b=np
格灵深瞳一面,CPU 都干烧了 面试时长:60min 1.自我介绍 2.你觉得笔试哪里做的比较好 3.简历中挑一个你最熟悉的项目介绍(我挑的单目变焦三维重建) 4.如何实现单目变焦三维重建的 5.SLAM 懂一点吗?说一下基本流程 6.讲一下如何准确建图 7.稀疏重建如何去畸变使得图像畸变影响最小 8.图像畸变的原理 9.如何计算图像位姿,本质矩阵如何得到 10.图像特征匹配中 RANSAC 方法