《算法工程师》专题

3.12 大概面了50分钟，大部分在深挖项目，实现细节问得比较深。 1.自我介绍，把简历内容快速过了一遍，面试官还夸了一句我做过的东西蛮充实 2.针对实习项目挖呀挖呀挖，这部分耗时最久，项目实现细节问得很详细 3.介绍一下Bert 4.GPT和Bert的区别 5.介绍一下Roberta，它的改进点在哪 6.Transformer和LSTM的结构与原理 7.介绍RLHF技术 8.介绍注意力机制 9.

一面要做ppt，主要是你的项目和实习，然后会问一些机器学习、图像处理和数学的基础。整体体验不错，但是薪酬偏低，复试没参与。

30min 自我介绍，问了家是哪的，有无男朋友，意向城市，是否接受城市调剂 本科成绩，现在的研究生是保研还是考研 介绍本科项目，问了项目细节，讨论了项目算不算开集识别 项目遇到的难题是什么 介绍硕士项目，问了细节和难点 问对深度学习有什么了解，回答的比较泛，以为会深入问之后我再具体细说，但是没有接着问了 说我的研究内容和语音有关系，但关系不大，做语音哪个方向都可，大概是接受岗位调剂的意思 反问，上

主要是问一些 python 基础和实习内容吧 面试时长：35min 面试内容： * with 做什么的，有自己实现过吗 * 删除列表的空元素有哪些方法 * 如何实现单例模式 * GIL 的目的是？ * 不可变元素和可变元素的区别 * Flask 用过吗 * C++和 Python 哪个用得多 * 手撕：两个进程顺序打印 0-100 * 实习经历深挖了十分钟

面试时间：7月20日晚七点到八点十分，一小时十分钟。 按时间线梳理： 自我介绍 询问实习公司base，以及询问我的意向base和他们的base地都有哪些。 针对自我介绍中提到的实习经历进行了提问。 提问项目中涉及的Transformer，LSTM等内容，以及为何使用这些网络。 为什么Transformer要比LSTM好？ 提问项目中涉及的GAN，并让我简单介绍一下GAN。 GAN为什么会被提出？

1、自我介绍 2、拷打项目 3、数据增强方式了解哪些？ 4、Transformer的一些前沿改进（因为项目里用了Transformer） 5、期望工作地点？ 6、反问 全程比较舒服，三十分钟，过不过听天由命#科大讯飞##科大讯飞求职进展汇总#

一、自我介绍 二、实习经历问题+其他的七七八八 1.在滴滴的测试流程是什么 2.了不了解UI自动化 3.期望薪资，手头offer 4.更期望偏开发还是偏测试 三、反问 整个测试流程是什么 用什么框架技术栈（java、python） 业务是什么（车载app和手机端app测试，网络通信开发相关） 四、无代码题 上午11点面试，下午通知一面过，收到测评

笔试题目组成： 1、20道选择题 2、3道编程题 总体体验：机器学习算法岗，相比较起纯算法岗，编程部分会更简单一些。在牛客/力扣上大致排在中等左右。 选择题里面考了一道：给定邻接矩阵的深度优先遍历顺序。 编程题： 1: 三数之和 (通过全部用例): 输入[1,4,5,6,7,10,12,15], 18 从数列里面找到三个元素a, b, c, 使其和为target 输出: [ [1, 5, 12],

岗位：深度学习算法工程师 笔试：9月14日 一面(9月20日) 自我介绍 做什么方向 on-policy和off-policy DQN和PPO 为什么要提出PPO算法 论文为什么用强化学习 手撕代码：超简单，排序解决 反问 组内业务：vivo互联网，主要是应用商店等的推荐 HR面(9月23日) 自我介绍 优缺点 选一面答得不好的问题，重新回答 最大的挑战 最大的成果 实习最大的贡献 倾向城市 家庭

背景：211本硕，一作SCI一区论文两篇，无实习。 一面（9.21） 1. 自我介绍； 2. 让我挑一篇论文说一下，在我5分钟简要介绍完后，开始深挖细节，基本把这篇论文挖了个底朝天，整个过程持续了40分钟左右； 3. 特征选择的常用方法； 4. 过拟合的解决办法； 5. 闲聊时间，问我为啥不读博； 6. 反问。 总结：面试官人挺温柔的，问题都集中在我熟知的领域，面试体验极佳。 二面（9.29） 1

体验了一把。编程方向有3道题，考120分钟。 第一题 40分 leetcode 2193. 得到回文串的最小操作次数。 第二题 25分 输入：两个整数n和m，分别表示行数和列数。 输出：一个n×m的表格，要求表格边沿用'|'标记（水平方向有三个'*'，竖直方向有一个'|'，"|对齐"）的矩阵表格。 第三题 35分 输入：一个非空字符串。 输出：出现次数最少的字符的首个索引值，如果多个字符串出现最少

一面/技术面 2024/8/6 晚上19:40-20:20 自我介绍 介绍最新的一篇在投的论文，问了几个问题 介绍NeurIPS论文 介绍腾讯实习 数据集构造？ 怎么微调的 尝试了哪些模型，为什么选择这个 尝试了哪些策略，为什么选择这个 还知道哪些长文本技术策略 除了微调还知道哪些流程（对齐） 说说提示压缩 介绍快手实习 了解哪些位置编码 偏好对齐的理解，有哪些方式 进来后你主要想做哪方面的应用

OPPO 计算机视觉算法开发工程师（camera方向） 一面（8.9）： 着重介绍一下就是说这个项目里面你这段实习经历里面他有什么需要解决的一个任务，然后遇到了些什么难点，你是怎么解决这些问题的？ 怎么提升模型服务CPU和GPU的利用率的？ 神经网络是否会出现预测错误的情况，如何改善？ 问了一个项目中的损失函数的目的是什么 介绍一下知识蒸馏，不同的蒸馏方法的优劣势 手撕：二叉树按层输出节点（层序遍

时间：2024/08/17 19:00（60分钟） 涉及知识点：图像的梯度算子，Random Access中的帧类型和时间层级，运动搜索算法 选做：二分查找，汇编（不会）

#如何判断面试是否凉了# 职位是：【快Star】大模型应用算法工程师 8.13状态显示挂了。喜提秋招第一挂 但确实比较“喜”，因为这场不仅仅是拷打，更是鞭策。 首先叠甲： 我在llm这块确实是新手，积累确实不足，癞蛤蟆想吃天鹅肉。我对大厂不抱希望，不想抢各位爷的活干。看在这些以及我写的这么详细的份上，如果我显示出了菜，请友善讨论或者提意见，谢谢！ 由于讲的时间长，讲了50min，所以无coding