《算法工程师》专题

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#

更新：一面已通过 —— 开场先调了五分钟设备，问了15分钟，最后10分钟做题。面试官全程强调HC紧张，30分钟结束，感觉寄了。第一次写面经，攒攒人品。 开场： -自我介绍 -你之前面过我们部门三轮技术面面评都不错，最后为啥挂了？（我也想问） 项目： 深挖实习项目（其实感觉也不深，就问了15分钟），包括业务场景、模型、样本构造、特征工程方面 算法题： 都是力扣原题 -链表公共节点 -和为target

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：

1. 介绍一下你自己； 2. 聊了感兴趣的一个项目； 3. 先来做两道题。 买卖股票最佳时间【只能买一次】 和 【必须买两次】（变种，利润可以是负数）； 4. 介绍实习经历，问的很细，将广告的整套流程都问清楚了； 5. 你知道什么是RTA吗？（广告投放策略Real-Time API） 6. 八股-过拟合是什么原因导致的？有什么解决方法（答了图像增强、正则化、降低模型复杂度、训练集扩充）， 7、BN

上来先自我介绍然后让自己挑一个项目介绍。后续面试官问了很多问题 1 特征工程如何做 2 特征筛选都有哪些介绍一下 3 随机森林原理 4 支持向量机介绍一下 5 深度学习框架会哪些介绍一下 6 transformer介绍 7 attention机制都有哪些介绍一下 8 lstm原理以及相比于rnn的优势 9 时间序列预测都有哪些方法 10 介绍一下arima算法 11 数据库都会哪些 12 深度学习

奇安信 计划研究院 算法工程师 一面 40min 11.06 1.介绍了三段实习实习经历，里面用到的模型的原理，改进方法等 聊了20min 2.刚收到图像的训练数据，怎么进行处理 3.Yolov5的主要改进点 4.介绍特征金字塔，以及为什么它能提升模型的效果 5.介绍Centernet模型 6.anchor free比 anchor base有什么优缺点 7.Python列表去重的方法 8.Pyt

https://zhuanlan.zhihu.com/p/665595011 Boss直聘 算法工程师 一面 11.06 项目介绍 画出Lstm的结构图，并进行说明 Lstm用的激活函数是什么？相比sigmoid有什么优势？ 介绍Rcnn。为什么它速率较慢 C++内存泄露的原因 Python哪些对象是可变的，哪些是不可变的，怎么判断 Coding y = np.array([1, 1, 1, 1,

一面 11.23（有些问题忘了） 44min 自我介绍 详细讲解下目前做的项目（diffusion相关） 为什么网络结构要这样设计 与ip-adapter有什么不同 有没有效果展示（展示了下效果，面试官说不错） 了不了解GAN GAN和diffusion的区别 了解模型部署相关的知识吗（不了解） 写题： 力扣-704 写一个含有三层卷积层的10分类神经网络，写出每层的shape输出 反问： 对我这

总共三十分钟左右，面试官人很好，没太多拷打，整体面试感觉不错 1.自我介绍 2.拷打实习项目，先让我整体介绍了一下，然后问了包括数据构建、模型规模、模型怎么训的、模型部署推理时延、模型怎么量化的等，然后问了一些包括用户输入一些攻击模型的话语怎么办、模型输出攻击性话语怎么办、模型幻觉怎么解决等问题 3.代码题，两道，一道全排列，一道连续子数组最大乘积 4.反问，问部门业务，说是做智慧座舱的 #软件开

一面 1. 逐个介绍项目，问的很详细 2. 从公式的角度说明一下L2损失为什么会平滑 3. 解决模型过拟合的方法 4. 为什么L1正则化可以缓解过拟合 5. 代码 （1）快排 （2）手写卷积 #2023秋招##算法工程师#

10月12日 一面 30 min 技术面 一、自我介绍 二、 深挖项目、主要负责哪块？ 三、ICP流程 四、C++掌握如何 五、对ORBSLAM2的理解 六、了解激光SLAM吗 七、深度学习模型做了什么？ 八、约了第二天的手撕代码。。。。哎。。。终归是我不配了，一个一面都好难啊 估计自己面试表现太差了 #零跑科技##2023校招##面经##零跑科技校招#

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

听说写面经可以多拿offer 小红书一共是三轮技术面+HRBP面，整个面试体验很好，官网投完简历两天就面试了，结果出的也很快，几轮的面试官人都很nice。 一面，一小时左右： 首先是做自我介绍，这个可以提前准备一下 介绍简历中写的论文，讲的过程中面试官会提一些问题，问的蛮中肯的，也提了一些建议，沟通很愉快。会问下做的东西在工业界有没有一些应用场景，可以发散的聊一聊 问了下之前在美团实习主要是做些什

双非本985硕，icpc银，一篇一区论文 先自我介绍 1. 介绍其中一篇论文 2. 你的论文结果和其他人的有什么优势？ 3. 如何提升这个项目？（换模型，提升并发度） 4. Yolo的正负样本是什么？（与所有真实标签iou都小于阈值的预测框为负样本，反之为正样本） 5. 模型压缩和加速的方法有哪些？（gpu、蒸馏、剪枝、半精度） 6. 半精度是什么？（舍弃后16bit的半浮点数） 7. 半精度的理