#许愿offer#时间线:8.7投递-8.12笔试-8.28一面,当天已收到二面面邀。 本人bg:211本+一段实业公司实习(新媒体方向)两段互联网实习。 分享面经攒人品,接offer!! ---------------------- 一面:时长37min,整体深挖简历,简历上的每个经历都挨个问到了,比较着重考察做事情的思路,要能说清做什么、为什么做、怎么做。 面试问题(个人简历深挖问题比较多但不
我只投过天美暑假实习和微信实习补录,但莫名其妙有个qq客户端的秋招,不过岗位和我填微信补录的时候一致,莫不是我填错了 总共面了2个小时十几分钟,我的项目是webserver + mit6.s081,整个过程是项目拷打 + 八股 + 手写LRU。 1. 自我介绍 2. 介绍一下mit6.s081的模块组成 2.1 介绍一下你在内存管理方面的工作 2.1.1 你认为操作系统内存管理要有哪些模块 2.1
周二约的面试,周六下午面试(难道是大小周吗?),周五发的邮件; 面试官是一位女性,很礼貌可爱,但是会经常忽略我的回答,打断后,直接进行下一个问题,我讲话的时候她会和别人讲话或者看手机 使用的是赛码网,很卡顿,个人面试前网络监测都没问题,不清楚是系统问题还是其他原因。 整体面试体验下来感觉有点KPI,问题都有回答上来,也会给她拓展,引导她问一些问题(都被人家忽略了),算法A出来比较简单。 但是不妨碍
建议之后想进大疆控制方向的学弟学妹们,准备好以下几点,笔试挂掉的血泪教训: 1、经典控制理论和现代控制理论 经典控制里面的拉式变换、传递函数建立、稳定性裕量、稳定性判据、系统校正和零极点配置,要熟练掌握;现代控制理论里面根据动态系统列状态空间方程,观测器估计器收敛性分析,传递函数和现状态空间方程的相互转化,一定要熟练!!!还有就是系统的离散化,也要熟练 2、matlab 要熟练掌握matlab和s
三面-8.7 1个小时左右,但是问的深度是前所未有的....面试官说如果通过会有四面,但是我感觉跪在三面了55 1.自我介绍 针对两段实习的提问 2.完整介绍一个你主导或者深入参加的项目 3.你知道置信区间吗,这是怎么定义的 4.简历细节-你所定义的“跨城分发”依据是什么?怎么识别需求?怎么定义的?这么定义是否合适?(这真是个死亡问题...) 5.怎么判别一个实验是否推全?看什么指标?有增幅就推全
面试形式:视频面试,要开摄像头 1、自我介绍后问选择交互设计的原因 2、作品集review2个作品(不得不吐槽pdd面试工具没有投屏功能,讲的时候不清楚面试官能不能知道在讲哪里…有点尴尬) 3、针对作品集常规提问:包括交互上卡片为什么设计成这样、数据上的提升、自己负责的职责等 4、询问在工作中自己是以数据还是以体验为导向的设计师 5、能否接受工作时间:早11晚10.30,最近是一周五天 6、对ba
岗位 视觉算法工程师 一面 针对项目进行提问,问的比较细,要对每一点说出为什么 深度学习算法相比于传统算法在去噪上有什么优势 了解傅里叶变换吗,蝶形计算快在哪里 了解量化吗 BN有什么用,为什么可以加速训练 label smooth为什么可以提高精度 介绍一下深度可分离卷积,深度可分离卷积和普通卷积的计算量对比 代码:应用题,二分查找的应用 #2023校招##计算机视觉算法工程师#
联想:2022 秋招 算法工程师 面试 一面 项目 是否了解 GDBT 等推荐算法 分类问题的交叉熵、是否可以用MSE 不可以。主要原因如下: 物理意义上,MSE 衡量的是几何空间的欧氏距离,而分类问题中每个类别的标签是离散的 和 ,本身不具备几何空间的意义; 信息学中,交叉熵衡量的是两个分布之间的差异,可用于衡量模型预测的概率分布和真实标签的类别分布是否相似。 计算上,分类模型输出的概率一般会经
9.7一面 (50min) 自我介绍 项目比赛提问,问具体的细节 GRU与LSTM的区别 GBDT的原理 XGBoost和LightGBM与GBDT的区别 BN在训练和测试阶段的区别?BN在训练时是如何更新参数的? 手撕算法题: 在一个m*n的矩阵里,一个机器人初始在x,y点,并且每次只能向相邻的上下左右四个方向移动一步,那么在最多移动k次情况下,一共有多少条路径可以逃出矩阵? 输入5个参数:m,
写在前面:360我很早就面完了,一直没结果估计泡没了,自己也签了其他公司了,最近来更新一下面经。 一面:2022.9月初 (40分钟左右) 1、自我介绍 2、讲实习项目,讲到LightGBM,有没有试过XGB、GBDT,讲讲模型异同,在这个项目里怎么处理缺失值的。机器翻译是怎么做的,lstm和cnn的区别有了解嘛, 3、讲一个比赛项目,说下你怎么做特征的。语义特征怎么做的,如何判断两个近义词,wo
一面:2022.9.27 20分钟 1、自我介绍,说一下参与过哪些AI的项目,工作地点是如何选择的 2、日志检测的具体方法,故障预测的具体方法,有监督内存故障预测你要怎么设计,LSTM和GRU相比于RNN为啥好,说一下SVM的原理,说一下聚类方法,怎么处理数据中的噪声点,说一下优化器为啥有动量,接触过什么编程语言,dataframe给你怎么打乱,说一下机器学习的预处理要做什么 二面:hr打了个电话
背景:主研多模态分类领域,秋招主要投NLP和多模态方向的算法岗,如果机器学习的岗位描述和我相符也会投 流程:投的AI工程师-NLP,base深圳,投递时间n,笔试时间n+5,测评时间n+6,一面时间m=n+25,二面时间m+16,三面时间m+21,收到短信三面通过,后面就没消息了。。。 笔试大概500分,每一面的结果都是在面试后五分钟左右立即收到短信通知的,这一点很好,有一种完成挑战的幸福感,虽然
秋招提前批四面8.10 本以为是hr结果是总监面...聊了大概半个小时,不知为何感觉答得不太好,有种凉凉的感觉,8.16显示还在面试中... 1.个人自我介绍 2. 介绍一下你主导或者主要参与的一个项目 3.具体分发策略的细节 3.房源如何签约 4.mcn如何和平台的合作机制 5.分佣的一些机制 6.房源与主播签约的地域性,有考虑过吗 7.做策略产品觉得特别有挑战的事情 反问: 1.问了个宏观的问
牛客上投递的,集团还没开系统,被部门老哥提前约面。 约下午16点,老哥开会到17:30,然后电话面的 面试内容如下: 项目里面说到Kotlin,你认为Kotlin和Java的区别是什么? Kotlin更简洁,加入了可空类型,扩展函数,Lambda表达式等 Kotlin减少空指针异常,引入了空类型; Kotlin有扩展函数 有协程! 说到Kotlin协程,你使用协程过程中,它的优缺点? 优点: 轻量
很好⭐⭐⭐⭐⭐ 🎈元戎启行二面:面试官是工作两年的acm选手,不怎么考八股,而是通过一个基础知识层层递进的提问,包括一些简单的场景问题,难度整体并不大而且很有趣。 🎈滴滴二面:面试官不考八股,主打一个聊天,会根据简历项目适当发散的问问题,比较关注候选人的个性,整体非常丝滑。 🎈文远知行三面:简单八股,主要关注算法水平,出的题目并不难但是follow-up是如何构造输入数据来覆盖所有case,