面试官迟到3分钟。 准点时hr先叫我自我介绍,所以实际上面试官没听到我的自我介绍。 自我介绍完面试官进来会议室直接开始问问题。 1、做的大模型的项目有没有做模型优化? 2、优化模型的项目,科研做的项目? 3、会什么编程语言? 4、cpp里面什么时候可以用多态? 5、bert和gpt的区别? 反问: 1、后续面试流程,下一次hr面 2、公司业务,自然语言处理做问答系统,交易吧啦吧啦的一些文本处理 —
1.问项目 2.八股: 讲一下transformer 为什么用layernorm 讲一下bert 了解哪些大模型 大模型中attention的改进方式(MQA,GQA) 3.代码: Leetcode不同路径II#面试经验##算法面试经验分享##拼多多暑假实习面经#
主要是项目深挖, 刚开始很惊讶,科大也有搞电机控制的? 三电平比两电平的优势。 PID整定方法。 开关频率? 你实验室电机功率。 带载的力矩有多大? 硬件部分谁在做? 你主要做了什么? 相对于其他学校的学生,你的优势在哪里? 反问。很短不到20分钟没有反问甚至只有12分钟,可能对我没兴趣,总体比较水。 期待二面。
今年投递 OPPO 的人实在是太多了,6月28日投递,8月1号才过初筛,收到测评和笔试链接 面试应该也是最后一批面试了,期间因为时间冲突联系招聘HR调整面试时间,HR表示如果不面,后续可能不再安排了面试了 时间线: 8.2 笔试 - 8.18 一面 - 8.28 二面 - 8.29 HR 面(状态码显示通过✅) 三场面试都比较简单,每轮面试30min左右,不太清楚是 kpi 面还是学历厂 一面 8
1. 有无实习经历 2. 深挖项目,着重问需求分析阶段的内容。好几次讲到了功能的实现,面试官都说不想知道功能细节,只想知道前期需求调研和报告撰写的过程 3. 需求分析阶段遇到最大的困难 4. 如何看待从软件工程师转换到面向客户的售前角色 5. 如何去追求自己的喜欢的女生,如何介绍自己(?) 6. 如何看待chatGPT(二面又问到了) 7. Github中Copilot工具的使用对编程人员带来什么
45min面试分成三部分 1)项目介绍 广告公司实习,用多元回归看哪个广告平台对收入影响最大。 问:模型有什么问题和改进方法?答:依靠经验判断哪些特征有用,也许神经网络会好。问:你有实行这个改进么?答:没有。(羞愧) 科研项目,神经网络判断哪个SSD延迟更低。 问:用了什么样的模型,是否特征筛查。问:你知道什么业界的特征筛选发放么。答:我只知道便利所有特征组合。(相关矩阵) 2)机器学习问题 问:
荣耀:2022秋招 推荐搜索工程师 一面 自我介绍、论文 论文模型中学习率、batch size 以及其他参数是如何调优的 学习率使用模拟退火优化,初始值设置的稍大。 Batch Size 设置的尽可能大来提高学习的效率,并根据具体结果适当调整。 其他参数网格搜索。 介绍 LSTM-> Transformer -> BERT 传统 RNN 存在长期依赖的梯度问题,被 LSTM 通过三个门控解决,G
今年面试难度top给中邮 虽然只有十五分钟,感觉硬核程度高于大厂n倍 简历主要nlp 1.自我介绍,项目介绍 2.文本阅读理解中,如果原文有相关的语义描述,但需要抽取的实体本身不在原文中,需要怎么做? 3.介绍一下t5,和GPT有什么区别和联系 4.讲讲基于对比学习的词嵌入方法(simCSE,不久前的顶会) 5.除了bert以外,还有哪些预训练词嵌入? 麻了,nlp卷成这样了吗
Bert的模型架构讲一下? BERT模型的全称是:BidirectionalEncoder Representations from Transformer,也就是说,Transformer是组成BERT的核心模块,而Attention机制又是Transformer中最关键的部分,因此,利用Attention机制构建Transformer模块,在此基础上,用多层Transformer组装BERT模
8.12 16:10分,专业面试,面试官进来就先让自我介绍,介绍硕士课题。说我的课题更偏向航空航天,为什么会选择储能行业。我的回答是:更期待尝试不同领域的内容。同时询问英语口语怎么样,用英语介绍自己母校,很卡壳。聊的大致都是专业相关内容。 退出会议室是16:18,整个过程才8分钟,估计是觉得还是不对口,直接Pass。 反问问了有几面,共两面,专业面和后续综合面试。
是个声音很好听的小姐姐面的,面试体验超级nice。就自我介绍,然后问项目,然后就反问。没有八股和手撕,整个面试过程非常的愉快。 ps:感觉除了大厂会招做理论算法的人,这些制造业的厂都倾向于招把算法落地到开发板上的人,所以基本都会问,会不会C++,有落地的项目没。 也不知道后续会怎么样,等待中 #哪些公司面试官让你印象深刻?#
1. 全程问项目相关,没有任何一个八股问题,项目要非常熟悉,会进行扩展。 2. 开放性问题比较多,要能自圆其说。 3. 算法题是和编解码相关的。 #快手##快手信息集散地##音视频#
全程面试大概1小时,流程: 1.自我介绍,(项目,实习。。。。。) 2. 决策树原理 3.信息熵和基尼系数取值范围,连续性和离散型数据是否都能用 4. XGBoost原理 5.为什么要用泰勒展开 7.PCA原理 8.什么样矩阵PCA不适用 9.SVM损失函数 10. 决策森林和决策树的对比,分类和回归分别如何决策 11. 啥叫多态?啥叫重写? 12. Python 迭代器和生成器是怎么回事? (本
9.26 一面 (10.12感谢信) 20min+ 自我介绍 项目介绍 介绍下数仓分层?做了哪些数据处理? Spark反压机制? HDFS读写流程? kafka中出现数据堆积如何处理?
10.20 一面 25min 自我介绍 Hadoop三大组件介绍 MR Shuffle的过程? Spark shuffle和 MR Shuffle概念和区别? shuffle作用? shuffle中涉及到哪些排序?快排和归并排序时间复杂度是多少? 宽窄依赖概念,如何划分? 一亿条数据如何找出top100? 归并排序 未来职业规划? 反问