1-5 问职业规划 未来想在哪个行业工作 谈谈AI对学习的促进? 你想在合肥还是西安? 为什么不留在美国? 4.vector作为返回值需要注意什么可以变得高效: 比较新颖的问题,第一次见,回答的时候只知道先reserve出大概使用的空间,后面面试官说有RVO这个东西,让我去看看 5.右值和移动语义。 6.了解rpc吗(不会) 7.stl了解哪些(vector,queue) 8.是线程安全的吗?(不
📝 题目 自我介绍 有一个大数据(1gb)导入到数据库,并且需要进行去重和查询,怎么设计 布隆过滤器想要删除一个元素怎么使用(布谷鸟?但是忘了) 怎么看待加班 工作待遇怎么看 待遇期望是多少 🤔 感受 面试官声音很糊,我很菜,场景题的时候,简历上的一个点没想到,要凉了
面试时间最短的一集,二十多分钟就结束了,面试官上来就说预计半个小时时间紧任务重,问问题如果觉得你会的话会中途打断你问下一个问题,希望理解。导致我自我介绍语速都加快了。 项目。 前端有用到哪些数据结构 js数据类型 js如何获取DOM元素 强缓存协商缓存 强缓存如何判断是否已经到期 执行上下文 前端生命周期钩子函数作用 cookie HttpOnly属性 HTTP状态码 是否用过数据库,数据库索引原
群面的有三位求职者和三位面试官,其中一位是技术人员,一位 hr,另一位不知道是谁,像是领导。 首先就是轮流的自我介绍 接着技术人员开始技术面(不是抢答,轮流问的): java 特性 - List<T> 变量名 = new ArrayList<>(); 这行代码体现了 java 的哪一特性,这样做的好处? java 集合 - java 集合常用类 - List 和 Set 的特点,分别适用什么场景(
🕒 8.12 时长:20min 1.自我介绍 2.问了一些基本情况 3.针对简历讲一个自己熟悉的项目,然后问了几个问题 4.面试官介绍部门情况 反问 1.base地 2.后续流程:技术面会有两面,第一面是项目经理面,通过后会领导技术面,说是要准备PPT介绍项目。
1、自我介绍 2、对讯飞的认识 3、在该岗位上个人的优势是什么 4、自己需要提升的地方 5、在XX实习的工作体验?有什么收获 6、工作期待 30分钟不到,没什么刁钻的问题 #非技术面试记录#
2024.8.1,昨天收到了科大讯飞hr邀请校招复试,很蒙因为看到官网飞凡计划是挂了的,询问后得知是因为飞凡转校招了,那个算一面,而且时间只有今天下午能选择。 1.自我介绍,研究生研究内容 2.实习内容 3.实习总结复盘,就是说学到了啥 4.两个项目背景介绍,挑最近的那个详细介绍,但是并没有提问什么知识点 5.校园经历,有一年开源协会会长经历 6.竞赛经历,ACM赛制,自己的职责,做出来几道题 7
面完腾子后躺在床上的时候收到了淘天的电话,说感觉简历挺不错的,约晚上面一下。 面试的时候面试官说他们组数据科学是比较偏业务,看我的简历都是机器学习数据挖掘算法方面的项目,为什么不投算法岗呢(因为菜)说阿里淘天的数据分析其实更偏向于bi,数科偏向于业务。 说到业务,面试官问了自己是怎么理解业务。这里自己只是按照之前看面经的时候总结的八股讲的面试官说讲的很好,但是感觉很书面很客套,里面的很多细节不是像
1. 自我介绍 2. 节流防抖的区别 3. 为什么用localForage替换成localStorage,有什么好处 4. localStorage和SessionStorage的区别 5. vuex和localStorage的区别 6. 用node做了什么 7. 登陆的具体流程是? 8. vue2和vue3的区别 9. 路由懒加载的原理 10. 虚拟列表固高和不固高 11. webpack,lo
#面试# 腾讯会议 20min就结束了 spring一个没问,项目上的东西就问了一个 面试体验差到爆😭 同样是外包,怎么跟用友问的区别这么大呢
1.⾃我介绍 2.介绍⾃⼰的项⽬ 3.项⽬中数据语料 4.你怎么评价你⾃⼰构建的数据集的好坏? 5.chatGLM 和 GPT 模型结构⼀样吗 6.⼤模型训练⽅式 7.怎么评价⼈类⾼质量回答的数据集?精⼼处理的数据集作⽤? (精⼼处理的数据集只能保证回复还⾏,但不可能只能只对⼀个场景) 8.强化学习中怎么⽤奖励模型打分?怎么样的分数?奖励模型是怎么得到的? 9.⽤强化学习的梯度更新是怎么实现的?
一面 社招,5年工作经验,面完之后问了下招聘要求,是要招小leader技术经理的岗位,除了技术要求外,还得有些方法论,理论知识。需要带人做项目,面完盘算了下,对应阿里应该P7级别了,我的水平也就是个P6吧,还在国企工作了快一年,水平下降的厉害。下面是面试记录的问题: 自我介绍 国企的项目直接忽略,第二份工作经历是阿里,项目从0到1建设到百万QPS流量,你在这里承担什么角色(owner) 项目的技术
1、自我介绍 2、ArrayList和HashMap 底层数据结构 3、红黑树的基本结构,相比于二叉树的优点 4、红黑树实现的性能如何,代价是什么 5、Synchronized,ReentrantLock 6、还有那些哪些数据结构可以保证安全性 7、ConcurrentHashmap的底层实现 8、实现多线程的三种方法 9、线程池核心参数有哪些 10、在并发高,处理速度高的场景下,如何设置参数 1
难度挺大的,做完不能不回头看 一、单选: 1、float==double:float会被转成double,即便如此,仍有可能返回false 2、AdaBoost算法确实会加大此前决策树(或其他弱分类器)分类错误的权重,使下一个模型尽可能正确,所以依赖之前的模型; 3、GBDT(Gradient Boosting Decision Tree,梯度提升决策树)是一种集成学习方法,它通过迭代地构建决策树
一面:自我介绍,让选择介绍其中一篇论文,主要会围绕论文展开一些问题以及场景分析,后面也有一些八股(Pytorch的广播机制相关的问题、Beam search的介绍,其他的记不太清了)感觉这些回答的没那么好。 二面:自我介绍,论文内容详细介绍,感觉面试官对于motivation和contribution比较在意,准备的也并没有那么好。 三面:自我介绍,论文内容的介绍,难点创新点等。其余的问题比较综合