旷视我投的是提前批的Learning-based V-SLAM,面试的时候其实很忐忑,因为我没什么learning背景,但询问面试官后发现其实vslam也是可以投的 一面 1、五分钟自我介绍 2、简历上项目深挖 3、由于简历中提到了矢量化相关的工作,因此面试官出的题目是给定一组二维点拟合直线,但指定函数方程为ax+by+1=0,使用最小二乘实现函数功能即可,可以使用eigen库 此外还问了一道概率
投的是SLAM/三维重建/图文多模态算法工程师-视觉团队的岗位 一面 1、五分钟自我介绍 2、简历上项目深挖 3、由于简历中提到了矢量化相关的工作,因此面试官出的题目是给定一组二维点拟合直线,使用最小二乘实现函数功能即可,可以使用eigen库 4、反问环节 一些碎碎念 其实整体面下来我可以感受到面试官应该是做感知出身的,至于为什么会安排专业不太对口的面试官来面我也不太理解 今年SLAM岗位真的很少
写面筋,攒一点好运~ 等了两个星期终于等到蚂蚁电话约一面 面试主要在拷打项目, 先自我介绍,然后针对项目问题刨根究底的询问。 除此之外 问了一下对比一下KG + LLM 与 RAG的优劣(好像他们主要也在做KG+LLM) 无算法 反问: 几面?一共有三轮技术面,第二轮会有算法。三面leader面。 业务做啥?垂领大模型构建,KG+LLM P.S. 1. 昨天面试官找我约好时间,结果今天他还迟到了一
hr面,70mins左右,群面(一面二) 1、自我介绍 2、为什么选择牧原,为什么选择养殖方面? 3、印象最深的项目经历,项目成果,你从中学到了什么;遇到的困难,如何解决,今后在工作中遇到困难后多久会寻求别人帮助? 4、秋招为什么没找工作,从考研中获得了什么? 5、offer的选择因素? 6、家庭情况 7、意向工作地点、时间、薪资 8、今后在工作中希望担任怎么样的角色,职业规划
2023.09.06 全程30min 1、自我介绍 2、项目拷打 a. 挑一个项目介绍、难点是什么,解决方案是什么 b. 另一个项目算法部署的实现细节 c. 本科-读研过程中项目中遇到最大的挑战是什么,怎么解决 2、八股 a. bn原理;训练和测试阶段bn操作的区别 b. 梯度消失解决方案 c. 过拟合解决方案 3、概率题 屏幕前经过小球的概率恒定为P,若20min内观察到有一个小球经过的概率是0
1. 自我介绍 2. 简历项目(问的比较细,每个项目都会问一下) 3. 介绍Lora 4. 了解哪些商用的大模型,都有什么优缺点 5. QLora 6. 量化的优点,如何量化 7. Git的使用(如何管理项目,对比两个版本的不同) 8. 了解cuda吗?如何使用 9. pytorch的版本问题 10. 部署模型的经验 11. 如何查看和管理cpu,gpu资源 面试官总体感觉兴趣不高,没有开视频。回
首先上来我必须给用友的hr一个大大的赞,人真的很好很好,平易近人。整个面试下来完全就是轻松加愉快的状态。 回归正题: 会问了解用友吗?是从哪方面进行了解的 1.首先上来并没有叫自我介绍(我还准备了下) 2.整个面试过程都是问的简历上的东西,整体难度不大 3.问到了数据库的多表联查 4.然后就是问到是否有过投递岗位的实习经历(因为我没有所以,面试官很无奈) 5.有一个重要的信息就是用友现在底层都是用
8.28 计算机视觉方向 一面 40min 三个面试官,一个问项目,一个问深度学习的八股,一个问数据结构与算法,被拷打了 英文环节 英文自我介绍 家乡是哪里;介绍一下你的家乡 技术环节 1. 选一个你贡献最大的项目介绍(Kaggle比赛),穿插提问 2. 说一下训练过程 3. 过拟合是怎么解决的 4. 半监督学习在比赛中怎么实现的 5. 介绍一下CutMix 6. 为什么要用3D+2D网络 7.
题有四个部分,全部都是选择,用的牛客平台,需要摄像头和电脑监控,以及手机小程序监控。 第一部分:公司了解 一个英文缩写中的第二个S代表什么意思 公司文化是什么 第二部分:智力题 就是大家平常做的测评里的让你推测后面的图形应该是哪个 第三部分:编程基础 给一段代码,判断输出是什么 基本都是c语言代码,还不是c++ 第四部分:算法相关 跟第三部分差不多,但是侧重数据结构和算法 后面还有几道神经网络题
无手撕,无八股,问的都是简历上面的项目,会讨论的非常详细,也会有些拓展问题。 面试官非常nice,超级详细的介绍了部门和主要的业务! #秋招##面经##吉利#
[toc] 中兴 算法工程师 简历投递 2022.07.02 官网内推投递 一面通知 2022.09.04 邮件自主预约面试时间 一面 2022.09.06 面试时长: 20 min 面试平台:腾讯会议 面试流程: 自我介绍 项目介绍 数字孪生了解吗,了解过哪些? 反问 中兴目前在做人工智能算法、数字孪生算法 人工智能算法有一些积累,业界也还不错 数字孪生算法,属于刚刚起步 面试有三轮:专业面试
8.26 测评 9.14 笔试 9.21 一面 自我介绍 项目介绍(细节深挖) BN层参数的作用 吸BN操作 样本不均衡问题 小目标问题 双线性插值(边界考虑) GAN网络能否落地 怎样提高特殊目标(电线杆、树)等目标的检测精度 反问 9.22 二面 自我介绍 项目介绍 编程能力和管理能力打分 团队管理方面(好多问题) 责任心考虑 地点考虑 期望薪资 offer考虑 互联网公司投递情况 为找工作做
非技术相关:对工作地点和薪资待遇的期望。 算法相关 Q:快速排序的时间复杂度和空间复杂度? A:平均时间复杂度:O(nlogn),划分对称,所选枢轴元素可以将数据中分; 最坏时间复杂度:O(n^2),初始排序表基本有序或基本逆序时。 平均空间复杂度:O(logn),划分对称, 最坏空间复杂度:O(n),初始排序表完全有序或逆序时,要进行n-1次递归调用。 Q:归并排序的时间复杂度和空间复杂度?
知乎 企业类型: 互联网 地点: 北京 实习类型: 日常实习 岗位: NLP算法工程师 一面—视频面 基础知识询问+做题 自我介绍 生成式模型与判别式模型的区别? 生成式模型先对数据的联合分布 进行建模,然后再通过贝叶斯公式计算样本属于各类别的后验概率 。 判别式模型直接进行条件概率建模,由数据直接学习决策函数 或条件概率分布作为预测的模型。判别方法不关心背后的数据分布,关心的是对于给定的输入,应
时隔一个月,下午深信服终于让二面了。本来说是二面(线下面)一站式出结果,但是因为一些原因就无法线下面了,改成了线上再面两轮,惨 前面的帖子有好多姐妹问关于深信服的,那么刚刚面完、热乎乎的二面面经来了! 照例,先说面试问题: 1.自我介绍 2.在海康实习的贡献在哪里 3.如何做用户调研 4.在过往实习过程中,在与人沟通方面有没有什么好的方式方法 5.对待公司外部人员如何进行有效沟通 6.在校园里的学