《自动驾驶计算机视觉算法实习》专题

#运筹优化# 1.自我介绍 2.介绍一下单纯形法、整数规划（分枝定界、剪枝） 3.有什么加速技巧（割平面、feasibility pump等） 4.出了小小建模题，a和b两个事件，必须有一个或以上发生，怎么建模 二十多分钟面试，只有一轮

#运筹优化# #京东# #实习# 一面70min： 1.自我介绍 2.介绍一下单纯形法 3.介绍一下分枝定界 4.介绍一下列生成 5.问项目（问了两个，深挖） 6.问实习经历 二面70min： 1.自我介绍 2.直接开始问项目（深挖，问的非常细） 3.问启发式项目（也很细） 4.gurobi有什么加速/启发式，有尝试过调整参数吗、效果如何 两轮面试问的非常细，从基础知识到项目，都要掌握的比较好

底层211，论文在投，项目单薄，无实习经历 海笔 - 过于简单的签到题 - 手写模拟定积分 - 公式算KL散度 - 求长度为k的窗口构成顺子的个数 - 切木板，只能沿对角线、副对角线切，求切完多少块 过了3.46，有点低 一面 - 介绍项目、论文 - LSTM和Transformer区别 - 简述PPO - Value-based和Policy-based区别 - On-policy和Off-po

感觉又要当二面杀手了

4.8的通知4.15线下开面，体验很好 两个面试官，总时长精准和预期45min一致 我很害怕，害怕面试官问的我答不出来 面试官好像也很害怕，害怕我答不出来 1. 个人介绍3-5min 2. 闲聊了句保研和成绩，问了下我导师放实习吗（楼主很实诚说不放，但能偷偷跑出来2-3个月） 3. 瞎扯了几下简历上的项目，被一眼看穿水，锐评到感觉像应付甲方的 4. 问了下基本技能，提了嘴python和shell

一面：上来面试官就先介绍工作内容，询问是否接受。然后就是自我介绍，介绍完之后面试官会就简历内容提问，提问内容都是比较贴合实际场景。最后就是coding，我抽到的是求点到直线的距离点排序。最后就是反问，具体的实习工作内容，全程时长1h左右。 一面整体感觉还是有点难度的，特别是coding部分对数学知识要求较高（可能是leetcode刷的不够多，太菜了） 二面：一面结束后两个工作日进行二面。二面主管面

一面45min 全排列 一个计算题两概率题+项目提问 无八股

2本车硕，通信专业，岗位是算法工程师。 4月中下旬投递 5.10下午1.30面试15min 1.自我介绍 2.讲讲你的项目（通信➕AI）这个原理是什么样，强化学习有哪些方法，输入是什么，reward是什么。 3.问了深度学习激活函数有哪些，说下你用的（relu），讲讲它的缺点（我好像多答了一个梯度不连续）。 反问:这个岗位的业务主要是什么?和公司主业的关系? 到现在19.43了还没消息，身边有人1

（1）自我介绍 （2）研究论文：网络结构，考察shape（不要把输入数量当作一层shape） （GRU设置的必要性），时间特征怎么划分， 指标 效果 数据特性（时、空、异质性） 网络模型名字很有误导性 （3）基础知识：lr svm的归一化问题；lr里的w是什么意思，正负呢？ 交叉熵损失函数与极大似然函数的关系，在什么前提下； 随即森林随即在哪里； dropout（类似于bagging）；baggi

问了之前做的项目， 对一些经典算法的理解

来还愿了，希望友友都能拿到自己想要的offer 一面 1.自我介绍 2.代码：top K 3.代码：给一个链表，只反转从left到right内的元素，其余不变 4.问实习项目，没有挖的很深。 5.讲一讲序列建模的模型 6.为什么self-attention可以堆叠多层，有什么作用 7.多头有什么作用？如果想让不同头之间有交互，可以怎么做 8.讲一讲多目标优化，MMoE怎么设计？如果权重为1,0,0

今天的五场面试中的倒数第二场 面试官迟到了4分钟 Base：杭州 面试内容： * 自我介绍 * 回调函数怎么实现？ * 常见的损失函数 （MSE、CE、MAE、TirpletLoss * 做了哪些算法研究？怎么去做的？ （检索、高度估计、检测 * 图形图像学了解过吗？ * 目前所在地，什么时候能来，做多久 反问： Q：实习生做什么？ A：一半数据处理（标数据），一半AI算法平台开发 总结：大概率人

（一面） 1、自我介绍 2、讲项目 3、coding：手撕focal loss 4、反问 （二面） 1、自我介绍 2、讲项目 3、coding：nms 4、对自动驾驶感知了解多少 5、场景题：汽车各个角度都有摄像头的情况下，你怎么判断障碍物 答：转成bev视角 问：bev视角有些什么缺陷 6、反问： 介意看看特斯拉的自动驾驶报告 （三面） 1、自我介绍 2、讲项目 3、对自动驾驶了解多少，bevf

5月14投递，5月16安排面试，5月23一面 1.自我介绍 2.挑一个熟悉的项目介绍项目，项目细节深挖 3.项目里面数据量是不均匀样本，对于不均匀样本的处理方法除了上采样和下采样还有哪些 4.集成学习你知道有哪些？介绍一下随机森林的过程和原理 5.对于文本分类问题，经常使用交叉熵损失函数，交叉熵对噪声是否敏感，如何解决这个问题 6.在TensorFlow的tensor里面有自带的函数softmax