2024届百度暑期实习c++机器学习算法岗笔试 30道选择题,感觉考得很基础,很多我没见过的概念...有几道考语音识别的概念,两道考kmp(问空间复杂度,问匹配到不同字符下一步怎么做),有森林转二叉树的题,有找出无向图邻接矩阵,还有考boosting和stacking,有几道代码填空(主要考c++面向对象相关的知识点),还有矩阵压缩的题。 两道代码题,第一题比较简单,求二进制串和有连续1的串异或得
总共75min,项目大概45min,编程花了30min(主要是太菜了 简单记录一下面试过程: 1.上来面试官先进行了自我介绍,然后让我也作一个自我介绍,由于事先没有准备这个,回答得比较简单; 2.面试官问了简历上的论文,让我展开介绍一下。由于做的比较小众,所以我先介绍了一下任务背景。面试官主要就其中一个论文让我详细介绍,并随时打断提问一些问题,主要就是关于为什么这么做。虽然面试官一开始不太懂我做的
10道选择题,1道简答题,1道编程题和1道20分的设计题 选择题为概率,机器学习相关 简答题为63瓶试剂,1瓶毒药,小白鼠喝了三天后会die,一只小白鼠可以混合喝,问只剩三天,最少需要多少只小白鼠 编程题是用Python实现一维损失函数的梯度下降算法 设计题是NLP关于时间关系抽取模型的设计(我不会,打扰了) #恒生##恒生电子##恒生笔试#
a了前三道,第四题80%,第五题6%... (然鹅一面早已经g了,不知道会不会被捞) T1: n = int(input()) ans1 = list(map(str, input().split())) ans2 = list(map(str, input().split())) res = 0 for i in range(n): flag = 0 if ans1[i] == ans2[i]:
第一题 密码学 就是ascii码转换,写出来就能a 第二题 K排序 时间复杂度应该有点高,最后只a了0.64,一开始暴力甚至只a了0.18。后续还有待研究提升速度 第三题 涂色 唯一保留了代码的题 一开始感觉和第一题很像,就是看图说话就行,但是最后应该是有几个用例时间超了,a了0.82 n = int(input()) S = list(map(int, input().split())) m =
背景:自己做的是算法部署 四十五分钟 主要拷打项目和实习所做的东西,聊了很多模型部署的工作 八股量很少,问你对NLP熟不熟悉,就NLP 大模型 关键词聊了一些,BERT transformer NER啥的,答的一般 最后介绍部门情况,说其实我们这边主要是算法设计,不是很偏部署,但是校招主要是看潜力,要是进来了能不能接受转方向
一面 深挖实习项目,问了算法的idea产生以及部署落地后的效果,最后问进一步改进方法 二面 第一部分考察对NeRF整个领域的了解,介绍了十多个下游领域方向代表的论文并说明优缺点;第二部分针对NeRF问我关注什么样的改进以及重点看哪方面的创新点,之后对NeRF+SDF的表面表达原理细节以及公式提问,接着问实习项目的创新点;第三部分针对他们业务中存在的问题问我有哪些方法或者建议;最后一部分简单过了鼠鼠
codding环节 利用数组的最后一个数,作为分类标杆,把小于该数的数字放前面,大于该数的放后面。要求不能新建数组。 简历细挖,不是往深度思考的方向挖,而是更针对细节。扣的十分细节,总之,学到了很多东西。 部分提问如下 对比学习的思想? bert所有构件参数分析? 自注意力机制和多头自注意力机制的时间复杂度是多少? 自注意力流程说一下,每个小块都问了why? encoder部分中mlp怎么设置的,
自我介绍 实习经历详细介绍,讲了快30分钟 算法题:字符子串最大不重复字母数之和,手撕MLP 问了对于推荐算法的了解,我一无所知
选择40分,三道编程题60分。 感觉这次做的比较抽象,第一道题没做出来,后两道题做出来。。。 第一题是给定一个字符串有如下两个操作 (a)把第一个挪到最后一个 (b)任意修改一个字符 问最少多少次操作可以等得到一个回文串 Q: 想着模拟先操作a后操作b,结果最多只能70%,可能还是要dp但是当时着急去写后面的就跳过了。有没有大佬共享下思路。 第二道题是给一个数组,每次可选两次操作 (a)选择最后两
5% 88.9% 100% 第一题替换字母,第二题解方程,第三题dp 😅第一题要自己输入规范样例,直接不写了 #科大讯飞信息集散地#
一面 简单挖简历 你的三个项目怎么做的? 讲一下cnn? 讲一下lstm? 讲一下反向传播? 讲一下sigmoid函数? 讲一下逻辑回归和随机森林的优缺点? 讲一下svm? 在线共享codding—求一个正数的平方根 在线codding,求链表的倒数第k个位置的value,由于时间原因只说了思路 二面 中度挖简历 三个项目的部分细节? 第一个项目后续优化的思路? 讲一下你对大模型的理解,知道哪些大
面完四五天了 先拷打项目和实习经历 场景题讨论(十五分钟);这部分面试官问的很细,很发散;交流过程感觉收获不小 两道算法:其中一道是树遍历,难度不算大 反问面评:还不错,基础扎实 后续安排:不清楚 #面经##提前批##快手#
8.3 一面 约45min 1.自我介绍 2.实习工作,ISP的流程,AWB和demosiac的顺序,Gamma和CCM顺序/为什么这样设计,如何实现的ISP参数自动化调试,LPIPS的网络结构,你的主要贡献是什么,说说你对AE的理解,运动曝光表是怎么做AE的 3.论文和项目,介绍一下创新点,你的具体的算法是怎么实现的,有没有用同样方法的论文。为什么用Unet,损失函数如何选择,为什么用GAN,d
先针对实习内容进行了了解,问了一些开放性的问题 因为我没有论文,所以问的项目 先问我哪个项目最值得一说,细讲一下,针对细节进行提问 再对其他项目简单了解一下 八股:网络中通常用的上采样的方法(模块) (脑袋懵)两个问题没回答出来:3Dlut插值方法、反卷积两倍上采样的参数怎么设置 感觉基础没回答上来很丢分,吃一堑长一智吧