《AI工程师》专题

9.7 笔试 9.16 测评 9.19 一面 两个比赛情况简介 项目1介绍 评估指标 除了特征级优化还有哪些优化 数据归一化方式有哪些 Transformer了解哪些，是否看过源码 PyTorch是否看过源码 PyTorch如何处理数据 梯度消失有哪些处理方式 梯度爆炸有哪些处理方式 梯度反向传播有数学推导过吗 图片数据预处理做了哪些工作 自然语言处理也用卷积吗 Python实现接口类 不同数据结

1、视野预测项目如何设计模型的 2、CS144-TCP 项目如何设计的，底层 TCP 使用了吗，你学到的是啥（我说就了解了 TCP/IP 协议栈，感觉满脸嫌弃的样子） 3、了解 AI 模型部署的后端框架吗（寄）、服务端呢 4、负载均衡算法有哪些 轮询：负载均衡系统接收到请求后，按照顺序轮流分配给服务器。这种方式非常简单，只管按顺序分配，至于服务器当前负载情况、硬件能力等都不关心，只要服务器还能工作

算法：numpy手撕K-Means 介绍三个项目+少量项目相关八股。 1. ALBERT的输出维度； 2. GPT和BERT的区别； 3. 其他的不记得了

主要内容：前提条件,面向读者,问题反馈在本教程中，讨论了各种流行的主题，如人工智能的历史，人工智能的应用，深度学习，机器学习，自然语言处理，强化学习，Q学习，智能代理，各种搜索算法等。人工智能教程提供了人工智能的介绍，可以帮助您理解人工智能背后的概念。 我们的AI教程是为初级和中级水平的读者而准备的，可以从基本概念到高级概念的完整人工智能教程。 前提条件 在学习人工智能之前，您需要具备以下基本知识，以便可以轻松地理解这些概念。 熟悉任

9.26一面技术面 整体体验挺好的，面试官都非常礼貌，见到你都微笑的，整体体验最好，虽然我答的一般。 1.自我介绍 2.问项目，问竞赛里面的和技术有关的 3.手撕一道简单的链表题 4.提问为啥不选择深造 5.反问环节 紧接着HR面： 1.自我介绍 2.问AI发展趋势研判 3.问竞赛中的职责，leader的话，你是如何解决队员的问题的 4.提问意向城市，为啥想去广东发展 5.问对vivo未来AI应用

7.12 笔试 7.22 一面 自我介绍 项目1介绍 目标检测backbone有哪些 项目2介绍 ViT有了解吗 CornerNet是怎么做的 解决过拟合的方法 代码：求均方根 7.27 HR面 谷歌情感机器人问题 对人工智能的看法 工作岗位的看法 面试情况 工作地点的选择 项目负责的工作 凉~ #乐鑫#

宁德时代算法工程师一面是不是不想要我，十五分钟不到就面完了。都没问啥技术问题，感觉就是HR在面。是不是就招一个人，根本不怕招不到，好着急的样子，太水了吧，这个女面试官感觉好累的样子，一点不情愿的面试。 问题如下：     1. 一分钟自我介绍     2.面试官提问：为什么选择宁德（~）？未来规划？（我说我未来就是要做NLP）。说一下你做的项目（论文）遇到的最大的困难？说一下NER基础做法和你的创

#我的失利项目复盘# 一面面试官上来给我发了两道题 一道困难看都没看 一道中等，是图论，就是给一个board，给一个单词，判断能不能从board中找出单词。 我一道题都没ac。第二题我的思路是： 遍历board搜寻单词中的字符，当遍历到了之后开始深搜DFS。 第一次面试太紧张了所以没做出来Orz 做了半小时之后开始面试，面试主要问了一些项目上的细节，但是针对的点跟我想的不太一样，主要是问了项目里的

9.11上午面的，首先问项目，以及神经网络相关知识 问深度学习基础知识，比如交叉熵损失函数为什么是log，为什么有负号，有用过其他类型的神经网络吗 但面试官的网好卡，中间还卡断了掉线了，之后他的信号时好时差，说话听不太清，断断续续的。 然后今天（9.12）就收到了感谢信😢😢emo #开立医疗#

1：编辑距离 2：最长连续上升子序列 3：数独问题 第二题过了66.7%，第三题没写… 有人做出来了吗 #科大讯飞#

笔试: 9.5 一面:9.7 线上 总共20min 自我介绍三分钟 主要是问基本的算法八股 比如怎么防止过拟合 dropout 这种 bn ln区别，平常使用过得算法模型这些 总体来讲体验感不错 大概一周后通知了第二次面试 二面:9.21 线下 总共30min 自我介绍三分钟 主要问我简历中的一段科研经历（和医院合作的项目） 问unet transformer 等基础 最重要的是 问思想，如果是落

面试时间：30min； 面试问题： java接口和抽象类； Redis高可用的原因； Linux命令 ： 查看线程，端口号，磁盘分区（不会）； Spring注解； SpringBoot理解； 项目讲解； 最近在学什么东西； 与别人合作的项目； 反问。 #面经##科大讯飞面试##AI工程师##科大讯飞AI#

背景：211本硕，一作SCI一区论文两篇，无实习。 一面（9.21） 1. 复盘笔试内容； 2. 自我介绍； 3. 问两篇论文的细节，顺便展开问了一些基础知识（25分钟左右）； 4. 撕代码（LC498，对角线遍历，15分钟左右）。 总结：面试官和我研究方向类似，对我的工作很感兴趣，全程聊的很愉快，面试体验极佳。 结果：面试结束后1分钟收到面试通过的短信。 二面（9.21） 1. 自我介绍； 2.

一面： 1.自我介绍 问了下本科成绩、研究生成绩这些 2.你经常用的排序算法有哪些 3.冒泡排序的时间复杂度 4.对于一个已经大部分排好序的数组用哪种排序更好 5.权值相等的图求最短路径用什么算法好一点 6.为什么不用DFS？ 7.BFS还有什么优化方法吗？ 8.平时有应用的场景吗？（没用过） 9.二叉树的遍历方式有哪些，有哪几种实现方式 10.给你一个什么顺序，你能够确定一棵二叉树？ 11.为什

记录一下面试遇到的一些题目，有的我自己写了答案，有的没写，这只是目前我能想起来的所有问题，希望可以给大家一点参考，如果我写的答案有不对的也请大家指教！ 1.BN和LN的区别 2.什么情况下会发生梯度爆炸，如何解决（我们初始化的w是很大的数，w大到乘以激活函数的导数都大于1，那么连乘后，可能会导致求导的结果很大，形成梯度爆炸。 梯度截断：首先设置梯度阈值：clip_gradient，在后向传播中求出