《人工智能算法》专题

7.13 一面 专业问答环节 自我介绍 项目1介绍 数据标注中遇到的问题 团队分工以及具体职责 模型推理速度 基线的选择 训练设备以及部署设备 算法性能提升情况 项目2介绍 项目3介绍 聊天环节 薪资考虑 工作地考虑 读研期间工作时间安排 7.19 HR面 自我介绍 家庭情况 为什么选择XX大学 读研期间科研的整个过程 对象问题 职业规划 为什么选择苏州 为什么选择我们，不考虑一些大厂吗 对未来工

惯例：自我介绍+讲项目 考察问题： 介绍下transformer（语言组织不好，虽然知道原理但是讲的很乱） 为什么需要multi head attention 介绍下layernorm和batchnorm 为什么layernorm在NLP下有效，batchnorm则不是？ pytorch的model.train()和model.eval()的区别 介绍一下集成学习 算法题：二维网格求左上到右下的最

小红书：2022秋招提前批【RedStar】算法工程师 一面 GNN 中 Transductive 和 Inductive 分别是什么 Transductive 考虑的是静态的图结构，如 GCN、GAT 等经典模型都是 Transductive GNN，基于静态的图结构学习节点表示进行节点分类等下游任务； ​ Inductive 考虑的是动态的图结构，经典模型如 GraphSAGE 则是在基本的学

写在前面 四个面试官，问的很全面，自己没准备好，面试的时候就知道过不了了。面试之后，根据面试官问的问题梳理了下知识点，感觉学到了很多。 应聘岗位 算法工程师（知识图谱&图像处理） 一面 基础知识 介绍一下指针，指向指针的指针 熟悉什么网络协议，介绍一下 TCP和UDP有什么区别 说一下TCP的拥塞控制 介绍一下数据结构 介绍一下图像变换 什么是面向对象编程 机器学习 如何实现卷积 知道矩阵加速的方

3.15 估计凉了，感觉面试官很nice，但我面得不行。28分钟电话面。约面的时候说要准备钉钉写代码，但结果并没有。 1.大概3分钟自我介绍+简历介绍 2.挖了几分钟的项目 3.问了几个跨模态识别模型的原理（whisper和easyocr还有video-llama） 4.XGBoost原理，训练过程，损失函数。 5.各类回归、分类模型的损失函数、评价指标，以及它们是怎么计算的 6.二分类任务是否可

到这里为止，所有流程都走完了。 9月8日 一面，当天出结果 9月12日 二面，当天出结果 9月14日 三面，次日出结果 9月19日 hr面 1. hr上来先介绍了一下这个岗位未来具体做的事情，介绍的很详细。 2. 让我自己讲讲对这个岗位的理解 3. 自我介绍 4. 聊天 ①职业规划 ②你说你是美团的忠实用户，你可以聊聊你自己对美团的印象吗 （本人是究极吃货+旅游爱好者，出去旅游几乎全靠美团订酒店+

9月8日 一面，当天出结果 9月12日 二面，当天出结果 1. 自我介绍 2. 项目介绍，围绕项目出发询问一些相关的问题。这个过程在15分钟左右。 3. ：你前面写题了吗 我：一面写了，二面没写 4. 在我以为要出题的时候，没有了……进入反问环节 我：啊！怎么这么快 ：因为我们这个三轮的技术面是一个综合的评估，有些问题前两面面过了，就没必要再问了 后续流程：说本次面试的结果很快就会出。还剩最后一轮

9月8日 一面，当天出结果 9月12日 二面 1. 自我介绍 2. 项目介绍，围绕项目出发询问一些相关的问题，一定量的八股，还有这个模型为什么不能用在这方面，以及有什么优化方案之类的想法 3. 学校问题 ：我看你这个是两年制的啊 答：其实是三年制的，一般是第一二年上课，第三年做论文。我第一年就把课全上完了所以可以直接进入论文阶段了 ：哦？那你这样时间不会很赶吗 答：对比三年的同学可能是有点吧，但我

说在前面：感谢团子面试官帮我缓解了面试焦虑症。团子面试官人很好，很亲切，还让我不要紧张谢谢团子，可惜人太菜了 8月7日 笔试 4道a了3道 8月22日 收到了 （一志愿）到店-自然语言处理算法工程师 的面试邀请，无奈当时那周实在是太太太忙了，又要搬家又要坐高铁，实在是抽不出时间。于是反馈希望可以安排到下一周，结果上官网一看流程，直接挂了 9月5日 接到 （二志愿）机器学习/数据挖掘算法工程师 电话

这个是在猎聘上投递的 能收到面试属实是意外之喜 面试官是nlp方向的，主要是问nlp相关 首先自我介绍 说一个在上段实习中的项目 这里说了一个搭建智能客服对话助手 我说了一下思路 面试官很快get到了 又问了一些细节（比如我用了DPR文本检索模型 面试官顺带问了对比学习的方法和流程） 看我做的是机器学习和优化算法比较多 问了遗传算法 如何找全局最优解和局部最优解 遗传算法为什么能找到全局最优 它的

大概为了照顾双非本同学的提前批参与感，滴滴给了面试机会 一面40分钟： 计算iou，大概是笔试中比较舒服的哪一种，并不是为了考察思维能力这些，大概就是经典题目慢慢优化，在优化中判断你的工程能力之类的。 项目：讲讲实习中做了什么，一问一答，大概就是这样。 表现比上次好一些，这次至少把实习做的东西将清楚了。不过感觉一直没有聊到面试官擅长的领域，挂的概率80%#提前批面试##如何判断面试是否凉了#

9.20下午技术一面 1. 问实习 15mins 2. 问项目问论文 15mins 3. 最后说没有时间了，然后问我会不会C++，我说本科学过。 （无手撕） 访问： 1. 后续还有几轮面试？答：还有一轮或者两轮，也有可能后续直接HR面试 9.21 下午收到HR面通知 9.22 HR面试 攒人品，许愿offer #vivo##校招##秋招#

刚面完，人工智能与智慧运营中心， AI 算法工程师岗 -机器学习模型有哪些挑一个说说原理介绍一个--简历里的项目或论文，然后顺着这条线问了很多 -数据不平衡时有哪些解决方案 -又问项目论文 -PyTorch 基本操作，怎么构建一个网络，优化器有哪些一般你用哪个，梯度清零的方法名叫啥 很多都没有回答好．.. 他们感觉很在意要面够20分钟这个点，最后几分钟说了好几次“到20分钟了吧”。面试的是两个小姐

这次又没准备好，或者说没准备就来面试了，真的很难受。 面试前就是准备好挨揍的感觉，非常难受，明知道自己没准备，还非要参加这个面试找虐。 我再也不想体验这种感觉了，下次一定把简历背熟，题刷好，基础知识掌握牢再投简历！！绝不裸面，裸面就是自己找不痛快。 -----以上为面试前的感受---------------- ddd面试8分钟就结束了 面试官还是挺和蔼的，看我以前的经历主要做开发的，简历上只有北航

地狱一样的理论问询，今年秋招最难的一场…… 数学问了中心极限定理，大数定理，Γ分布和κ分布关系…… 机器学习问了特征选择，特征归一化，马尔科夫链，gibbs采样，集成学习，选择性偏差，决策树并行计算，xgboost和adaboost样本权重…… 深度学习问了卷积原理，梯度传播稳定性，BN本质，torch和tensorflow的图理论…… 大模型问了很多工程上的问题，出现loss spike啦，波峰