一面 自我介绍 实习经历 手撕代码 一个递增数组(长度大于6),输出所有长度为6的递增子序列,例如: 输入:nums = [1, 2, 3, 3, 4, 5, ..., 100] 输出:[[1, 2, 3, 3, 4, 5], [1, 2, 3, 3, 4, 6], ..., [95, 96, 97, 98, 99, 100]] 场景题 给一系列LBS数据,包含各种POI以及时空信息,如何挖掘出某
职位:算法工程师 一面 自我介绍 实习经历 3D图像文件的标准化怎么实现的?是自己写的吗? Vision Transformer的原理。 CNN和Transformer在图像处理上的区别。 用Pytorch做了哪些工作。 现在还在实习吗? 有没有把程序放到服务器上来用接口调用。 项目经历 图的构建。 图的权重如何训练的。 有没有用graph embedding,有什么作用。 如何把航班信息构建成图
部门:阿里集团-大淘宝-联盟技术 职位:算法工程师-机器学习 一面 手撕代码 写出opencv的cv2.GaussianBlur(img, (5, 5), 2, 2, cv2.BORDER_REFLECT),要求不使用python第三方库,做完要说一下步骤和思路。 自我介绍 实习经历 八股文 Vision Transformer的原理。 文本transformer和vision transform
这笔试懂得都懂hhhh 不过正好没事,随缘参加一下,总体还是偏简单了点,全是模拟排序,就T5是一个树形DP Q1 Q2 Q3 Q4 Q5 思路:树形dp,自底向上,到当前节点p的时候 需要考虑是否有两个子节点相加最大,往上传的参数为p的权重与子节点加路径的最大值,详情见代码 #腾讯笔试##秋招笔试##秋招#
11.2 一面 因为10月底才考,所以面的比较晚,怕忘了记录一下。 1. 介绍项目(非常详细)。 2. 用过哪些神经网络,有什么区别和特点(说ResNet的时候,从公式角度解释了一下问什么缓解梯度消失)。 3. 老生常谈,问了梯度消失和梯度爆炸。 4. 平常看论文吗,看论文能力如何。 5. 还有的简单的小知识记不清了。 6. 手撕(medium,电话号码的字母排列),大概12/3分钟左右写出来。
#春招##春招笔试#题目20个选择,3个编程。难度中等偏下吧。 选择考的很多很杂,DB,OS,Linux,数据结构都有。 编程三个题,第一个题求三数和,没啥好说的,送分题。 第二题,数学题,类似问N个学生其中没有人同一天过生日的概率。 第三题,三个数的最小公倍数,送分题。
2024届百度暑期实习c++机器学习算法岗笔试 30道选择题,感觉考得很基础,很多我没见过的概念...有几道考语音识别的概念,两道考kmp(问空间复杂度,问匹配到不同字符下一步怎么做),有森林转二叉树的题,有找出无向图邻接矩阵,还有考boosting和stacking,有几道代码填空(主要考c++面向对象相关的知识点),还有矩阵压缩的题。 两道代码题,第一题比较简单,求二进制串和有连续1的串异或得
总共75min,项目大概45min,编程花了30min(主要是太菜了 简单记录一下面试过程: 1.上来面试官先进行了自我介绍,然后让我也作一个自我介绍,由于事先没有准备这个,回答得比较简单; 2.面试官问了简历上的论文,让我展开介绍一下。由于做的比较小众,所以我先介绍了一下任务背景。面试官主要就其中一个论文让我详细介绍,并随时打断提问一些问题,主要就是关于为什么这么做。虽然面试官一开始不太懂我做的
10道选择题,1道简答题,1道编程题和1道20分的设计题 选择题为概率,机器学习相关 简答题为63瓶试剂,1瓶毒药,小白鼠喝了三天后会die,一只小白鼠可以混合喝,问只剩三天,最少需要多少只小白鼠 编程题是用Python实现一维损失函数的梯度下降算法 设计题是NLP关于时间关系抽取模型的设计(我不会,打扰了) #恒生##恒生电子##恒生笔试#
a了前三道,第四题80%,第五题6%... (然鹅一面早已经g了,不知道会不会被捞) T1: n = int(input()) ans1 = list(map(str, input().split())) ans2 = list(map(str, input().split())) res = 0 for i in range(n): flag = 0 if ans1[i] == ans2[i]:
第一题 密码学 就是ascii码转换,写出来就能a 第二题 K排序 时间复杂度应该有点高,最后只a了0.64,一开始暴力甚至只a了0.18。后续还有待研究提升速度 第三题 涂色 唯一保留了代码的题 一开始感觉和第一题很像,就是看图说话就行,但是最后应该是有几个用例时间超了,a了0.82 n = int(input()) S = list(map(int, input().split())) m =
背景:自己做的是算法部署 四十五分钟 主要拷打项目和实习所做的东西,聊了很多模型部署的工作 八股量很少,问你对NLP熟不熟悉,就NLP 大模型 关键词聊了一些,BERT transformer NER啥的,答的一般 最后介绍部门情况,说其实我们这边主要是算法设计,不是很偏部署,但是校招主要是看潜力,要是进来了能不能接受转方向
一面 深挖实习项目,问了算法的idea产生以及部署落地后的效果,最后问进一步改进方法 二面 第一部分考察对NeRF整个领域的了解,介绍了十多个下游领域方向代表的论文并说明优缺点;第二部分针对NeRF问我关注什么样的改进以及重点看哪方面的创新点,之后对NeRF+SDF的表面表达原理细节以及公式提问,接着问实习项目的创新点;第三部分针对他们业务中存在的问题问我有哪些方法或者建议;最后一部分简单过了鼠鼠
codding环节 利用数组的最后一个数,作为分类标杆,把小于该数的数字放前面,大于该数的放后面。要求不能新建数组。 简历细挖,不是往深度思考的方向挖,而是更针对细节。扣的十分细节,总之,学到了很多东西。 部分提问如下 对比学习的思想? bert所有构件参数分析? 自注意力机制和多头自注意力机制的时间复杂度是多少? 自注意力流程说一下,每个小块都问了why? encoder部分中mlp怎么设置的,
自我介绍 实习经历详细介绍,讲了快30分钟 算法题:字符子串最大不重复字母数之和,手撕MLP 问了对于推荐算法的了解,我一无所知