《算法面经》专题

1.项目深挖(多语言电商文本层级分类) 问项目中数据集的分布，数据规模，数据什么特点，是否存在标签不一致? 2.样本不均衡如何处理，文本平均长度，项目使用的方法? 3.分布式训练怎么做，你的贡献在哪里? 4.预训练任务如何设计，基于roberta的改进点在哪里? 5.上线前是否做了消融实验? 6.评测方结果可以得出哪些结论? 7.哪些指标还可以继续优化? 8 有没有考虑上线的模型做蒸馏? 9.什么

7.19笔试 两道编程题 8.3一面 约60分钟 1.在vivo的实习内容（isp效果调试相关），实习的项目量化成果，实习项目中遇到的问题，你觉的isp中哪个部分最重要，开源isp pipeline的相关内容。 2.论文相关：强弱散射分类，强散射成像的原理，散射恢复算法，你的贡献点和创新性在哪里，相机镜头上的污渍的散射能够去除吗 3.项目相关：深度学习unet的结构，卷积上/下采样，有没有考虑不使

问实习（感觉面试官觉得我实习工作成果很普通 问科研（介绍了一下方向现状和论文思路 倒是没问八股 算法题目：给定一个升序可重复数组，问元素平方后不重复的元素个数 O（1）空间，O（n）时间 Q：是个没见过的题，现场灵机一动搞出来了。实际上就是去重和去掉相反数。先二分查找找到正数开始的位置，然后双指针。

自我介绍 问项目 lstm和rnn的区别，优势，特点 手撕代码，二叉树路径和为某值的路径 问了个fm算法，没答上来 反问环节 用时40分钟左右。 #百度信息集散地# #提前批#

1，闲聊了一会 2，讲了一个项目 3，又开始闲聊 4，反问 面试氛围很轻松，面试官很和蔼，脸上一直挂着微笑。 提供一个信息：TP-LINK提前批开得很早，简历很多，而终面面试官比较少，所以终面会拖很久。

聊聊项目经历，聊ai发展方向，视频理解的实际应用，聊为什么想去北京，聊北京户口，有没有女朋友啥的 我问他 落地还是技术中台 ai伦理问题的看法 和其他部门的协作方式 对应届生的期许 招聘流程 三面比较综合，开放性问题多

面试官有事情的样子，也就面了20分钟。 1. 面试官自我介绍（搜索引擎组） 2. 自我介绍 3. 简历上最近参加的一个比赛过程。 4. 实验室项目做的什么。 5. 研究方向是研究什么的（讲了讲方向和论文简单思路） 6. Webserver实现了什么。 7. 我们这边很多情况要用Java，你可能需要学习，能接受么。 8. 反问环节。 全程无八股无手撕。

一面15:00-16:00 简历面+ 反转链表➕简单dp 二面16:30-17:20 简历➕机器学习八股 三面 17:50-18:45 简历➕八股➕一道智力题➕一道场景题 有没有友友知道啥时候出结果，怎么看过没过呀#我的实习上岸简历长这样##晒一晒我的offer##写简历别走弯路##我的上岸简历长这样#

周六上午一面，先是一道算法题A出来了，然后让我挑最熟悉的研究成果并且把论文PDF发过去，其他工作也没少问。让我介绍实习最主要的工作，我说了其中一个，其他的工作也是抓着细节猛问......最后我的经历写的那么满，他强行考我一些八股，并且手撕Transformer Block。我说我能写但是我需要想一下（这个年初找实习的时候我甚至自己撕过一次），我的工作里面接触的少但是self-attn的原理我是知道

【30min】自己提到推荐领域和数据挖掘领域，直接就问了两个领域比较熟悉的算法有什么，大概介绍一些 不会的： 1. XGB shrinkage 2. FM 算法为什么时间不高 3. 如何将用户之间和物品之间的特征加入协同过滤中（随便说了，特征拼接） 比较明确的问题： 1. 随机森林，提升树的区别 2. 随机森林如何构建？特征采样的好处 场景题 1. 给出手机的BOM结构图，对于预测手机销量和原材料

2024/9/6 自我介绍 项目深挖 transformer 图像处理和文字处理 字典底层原理 三次握手 手撕代码：k段排序要求算法复杂度O（nlogK） 两天后挂

全部都是简历上的内容。 1.attention(举例，self attention) 2.召回率（数据集中一半正样本，一半负样本，模型输出结果全是正样本，问召回率） 3.miou（公式，含义） 4.GAN #算法岗##算法工程师#

base-上海 岗位-算法工程师 一面 919 20min： 1. 自我介绍 2.项目相关问题（语言，是否上线有没有继续做，后续的优化方向，算法方面的创新点） 3.关注的期刊、会议，怎么获取信息 4.之前研究的是机器学习算法，中兴的是通信算法，之前有无了解，是否可以接受 5.非纯算法研究的算法开发岗位是否可以接受 6.本科成绩和研究生成绩 7.做题-一道数学题（本科数学学院），5m+7n=129，

挑项目和论文问，问得比较细，比较深，比如我的会问用的什么baseline网络，在基础上做了什么样的改进，把改进仔细说说怎么针对性解决问题的。由于我是做检测的，感觉对方很懂，所以还问了一下我baseline框架的论文的名字。 总共面了三十分钟左右。#秋招#

第一次面试，记录一下。整个过程大概70分钟。 首先是自我介绍。 然后是对项目进行提问。 项目二是一个分割任务。 问deeplabv3+的网络结构，和unet的区别，为什么解码端设置的比较简单，在其中加了注意力，问为什么加，这个注意力用在某个特征层具体是怎么实现的。 项目一是一个多模态的任务。问我是怎么处理数据的，怎么输入进模型的，我做的改变具体在网络层是怎么实现的。说我做的其实不算是真正的多模态，