《无人车规划算法实习》专题

简单的自我介绍 我是一名双非大二学生，目前学习方向为Java后端，快速学习并学到了springboot，并和实验室的朋友做了一个简单的微信小程序，想在寒假找份有关互联网的实习，打算海投，城市和公司暂时没有特别强烈的意向，我会再次牢固的复习一遍Java整套学习知识，并且开始补充算法知识刷算法题，来备战这次寒假实习，并且想报名参加蓝桥杯Java B组的比赛，希望我的一些学习笔记能为你带来一些帮助，这次

本文向大家介绍算法练习之从String.indexOf的模拟实现开始，包括了算法练习之从String.indexOf的模拟实现开始的使用技巧和注意事项，需要的朋友参考一下 String.indexOf的模拟实现，没想象中有多么高深的查找算法，就是最普通的遍历查找 思路：先找到第一个相同的字符，然后依次比较后面的字符，若都相等则表示查找成功 同样更常用的String.contains方法实际上就是调

写在前面：主要记录暑期实习面试中的手撕算法题，面试岗位均为机器学习算法工程师 3.30腾讯一面 逆时针打印矩阵，考察模拟，注意边界处理。 (类似LC剑指offer 29:顺时针打印矩阵 ) 旋转数组的最小值，考察二分查找，注意重复数字情况。 (LC原题 剑指offer 11:旋转数组的最小数字 ) 4.2字节一面 记不清楚了。。。应该不难 4.13美团一面 面试官：写个二分查找吧。我：??? 4.

简单回顾下虚拟内存技术，基于局部性原理来实现，总结起来就是两句话： 在程序执行过程中，当 CPU 所需要的信息不在内存中的时候，由操作系统负责将所需信息从外存（磁盘）调入内存，然后继续执行程序 如果调入内存的时候内存空间不够，由操作系统负责将内存中暂时用不到的信息换出到外存 整个请求调页的过程大概是这样的： 那么，到底哪些页面该被从内存中换出来，哪些页面又该被从磁盘中调入内存呢？ 这就是『页面置换

今年腾讯算法的面试属实有点难顶，一面和二面面试官都很温柔，面试难度也不高。但是三面直接给我上强度了 3.13一面 1h 经典自我介绍，介绍实习论文 1. 问了一些机器学习的基础知识，过拟合欠拟合，逻辑回归，损失函数等，这部分答的应该比较好。 2. 介绍论文，问了论文创新点和一些细节 3. 对实习经历进行深挖。问了一些模型的实效性问题，以及算法框架，上线效果的问题。 4. 算法题：删除链表节点，秒了

1.问项目 2.八股： 讲一下transformer 为什么用layernorm 讲一下bert 了解哪些大模型 大模型中attention的改进方式（MQA，GQA） 3.代码： Leetcode不同路径II#面试经验##算法面试经验分享##拼多多暑假实习面经#

一共50分钟左右，基本没八股 1.自我介绍 2.挑一个项目详细介绍一下，我介绍了一下我的RAG的项目，吟唱完面试官说提问几个重要的点，第一个问了一下数据集怎么构建的，第二个问了一下大模型怎么解决幻觉问题，第三个问我数据集构建问答切分怎么考虑语义问题 3.让我详细介绍另一个项目，我另一个项目是论文项目，吟唱完面试官又提问几个重要的点，第一个问我论文里情绪划分详细怎么做的，第二个问我共情怎么定义的，都

1、自我介绍 2、深挖腾讯实习项目(又问了20min，感觉两面的面试官都很感兴趣) 3、如何在实习项目中进行prompt调优的？ 4、介绍第一段实习 5、描述项目中自己实现的聚类算法，为什么不用dbscan聚类算法？ 6、决策树节点分裂算法？(只说了信息熵的算法) 7、多线程和多进程适用的场景和区别？ 8、介绍rpc框架 9、go语言的基础？ 10、go语言的异常处理？ 11、是否用过defer?

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

开头项目 问在上家公司中orb3的slam框架，如何存储关键帧，地图点及其数据结构； 1. 描述一下关键帧是什么？有什么用？如何选择关键帧？ 关键帧相当于slam的骨架，是在局部一系列普通帧中选出一帧作为局部帧的代表，记录局部信息。举例来说，摄像头放在原处不动，普通帧还是要记录的，但关键帧因为总看到原场景，所以不会增加。 三角化需要一定程度的共视区域，所以普通帧每2帧之间会存在大量的信息冗余，如果

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

1.自我介绍； 2.做过哪些项目（说了一下自己的论文和项目）； 3.推荐的任务和应用场景（主要是做序列推荐的）； 4.如何缓解数据稀疏和冷启动的问题（使用辅助信息用基于内容的协同过滤）； 5.有了解过语音算法吗（这里只是说了一下语音中的频域和时域）； 6.介绍一下XGboost，其结构以及其拟合的目标； 7.熟悉使用什么深度学习框架（Pytorch）； 8.用过C++吗（了解一些基本语法，开发过一

1.自我介绍； 2.论文中使用的技术（对比学习、元学习）； 3.了解VAE吗，VAE做什么的（生成式任务）； 4.了解GAN吗，GAN的思想； 5.了解NLP吗，用过哪些模型（BERT、Transformer、Word2Vec）； 6.常用正则项有哪些（L1、L2、Lp），说一说各自的优缺点； 7.常用激活函数有哪些（Sigmoid、ReLU、Softmax、tanh），说一说各自的特点以及适用场

1.自我介绍； 2.介绍一下项目（对着github介绍，模型、评价指标）； 3.对比学习（公式、具体实现方法）； 4.深度学习模型了解哪些（RNN、CNN、Transformer、BERT）； 5.说一下RNN梯度消失和梯度爆炸的问题，缓解办法（引入门控机制、LSTM、GRU等）； 6.了解过语音算法相关的模型吗（RNN、LSTM、BiLSTM），更近一点的呢（DFSMN）； 7.为什么想要来做语