《AI工程师》专题

9.19：一面，自我介绍，问了问算法有没有工厂实际应用，问了问职业规划跟在公司工作看中什么。剩下就是了解基本情况，不涉及技术问题全程十五分钟 #柳工机械#

[toc] 科大讯飞 AI研究算法工程师-自然语言处理方向 提前批 简历投递 2022.06.27 投递时间：2022.06.27 一面 2022.06.30 简历还是蛮快的，没有笔试，直接邮件通知的一面 面试时间：1个小时 面试内容： 项目，三个项目都问到了，大概项目问了45分钟左右 基础知识 10分钟左右 SVM 多目标检测和位姿估计领域的研究现状 YOLO系列的区别、优缺点 反问 公司主要研

1.自我介绍 说一下在中科院做的学术研究 说一下自己做深度学习算法的工作，有哪些创新 2.说一下在intel做的工作 对于算子的优化有哪些？ 有没有写kernel？写了哪些kernel 具体怎么写的？怎么提高kernel的效率 3.基础知识 说一下transformer，multiheadselfattention的计算，以及它为什么要这样计算。 简化一下，attention机制和RNN相比有什么

1. 介绍项目。巴拉巴拉... 2. 说说 Reduction 算子调优实现策略；Conv 呢，是滑窗实现的还是怎么；其它的算子知道吗，比如 Softmax,Droupot。 - Reduction。巴拉巴拉... - Conv 按滑窗策略实现。还有 img2col 方式，不过我没看过源码。 - Gemm、Transpose，其它不了解，只知道有通用现成的解决方案，没时间学。 3. C++ 重载；

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

2023.09.06 一面 40mins 主要问实习经历，扣细节。 手撕：数组去重后排序。 2023.09.07 二面 40-45mins 问项目，问论文，问实习。 手撕：LC53 最大子数组和。手撕说给30mins做题，但是我暴力法做的1mins就做完了，面试官说怎么这么快哈哈哈！（其实要用dp，但是面试官说都可以，做出来就行） 2023.09.16 主管面 35mins 问了项目，后续就问一些

岗位:飞星计划-AI算法工程师3D数字人方向 一面 (7/20) - 20min 纯讨论项目 二面 （8/10）- 1h30min 项目中的量纲问题怎么解决 python的相关知识: with args kargs roi pooling batch normalization transformer 深度可分卷积 8.17 感谢信 总结:面试体验并不好,两面面试官都没有开摄像头,也没有自我介绍,

主要内容：环境特征环境是围绕代理的一切，但它不是代理本身的一部分。环境可以描述为存在代理的情况。操作为代理提供感知和行动的环境。 环境特征 根据Russell和Norvig的说法，从代理的角度来看，环境可以具有以下几种功能： 完全可观察与部分可观察 静态与动态 离散与连续 确定性与随机性 单一代理与多代理 情节与顺序 已知与未知 无障碍与无法访问 1. 完全可观察与部分可观察 如果代理传感器可以在每个时间点感知或访

我已经为井字游戏创建了一个人工智能，包含if和else if语句，并简单地检查计算机是否可以做出获胜的举动或阻止玩家获胜。然而，下面的代码，虽然它工作，但当计算机发现玩家即将获胜时，它将阻止玩家，并在旁边做一个额外的移动，但我不希望它这样做，而是只做一个移动。谁能告诉我我做错了什么，谢谢。 提前谢谢你，我希望我已经适当地解释了我的情况，如果没有，请让我知道。 编辑：基本上，当计算机阻止玩家做出获胜

上周五面的快star，面起来感觉很神奇 八股&&项目 自我介绍 了解c++吗，c++和c的new malloc delete free之间有什么区别 new是如何给内存进行分配的 这两个能混用吗？ 计算机里内存是如何排布的 什么是锁页内存 什么时候调用堆资源，什么时候调用栈资源 内存里哪里是禁止访问的 为什么需要做多级内存管理 智能指针都有什么 weak ptr有什么应用场景 weak ptr内部

打造一款能够完美连结服务端云平台、移动客户端、电脑网页、电脑软件、智能硬件等任意终端的人工智能框架。 这里的人工智能，并非指简单的对话。而是对每一终端进行深层次标注，从而决定这个终端拥有哪些脚本，并在一定的条件下触发。同时达到多终端的互通，如网页控制手机，手机控制可穿戴设备等。 主要特点如下： 智能标签 智能标签可以为每个访问的终端/用户帖上相应的标签，从而使程序可以做出针对性的处理。 如：用户第

ColossalAI 是一个具有高效并行化技术的综合大规模模型训练系统。旨在无缝整合不同的并行化技术范式，包括数据并行、管道并行、多张量并行和序列并行。 Colossal-AI 的目标是支持人工智能社区以与他们正常编写模型相同的方式编写分布式模型。这使得他们可以专注于开发模型架构，并将分布式训练的问题从开发过程中分离出来。 ColossalAI 提供了一组并行训练组件。旨在支持用户编写分布式深度学

H2O 的核心是一个统计分析引擎，它使用 Hadoop 的分布式文件系统（HDFS）作为其存储平台，但是它们的最终目标是像谷歌的 BigQuery 一样简单。H2O 的用户交互是通过一个简单的网络搜索和标准 R 统计分析语法。另外，用户还可以在 Microsoft Excel 或 RStudio 的集成开发环境中使用 REST API 调用 H2O。

Swift AI 是高性能的人工智能和机器学习库，完全用 Swift 编写，目前支持  iOS and OS X，未来将支持更多平台。 Swift AI 包括一组人工智能和机器学习的通用工具，这些工具灵活、强大，可用于广泛的应用程序。 Feed-Forward Neural Network 3-layer network with options for customization. Exampl

Snake-AI，这是一个用 C/C++ 语言编写的贪吃蛇游戏的人工智能。 AI 的目的是让蛇尽可能的吃更多的食物，直到吃满整个地图。想参与这个项目，请查看todos。 Demo 使用方法 编译与运行： $ make$ make run 为了解详细使用方法, 请查看主函数main() 算法介绍 函数Snake.decideNext(): 计算蛇S1的下一个移动方向D 计算从蛇S1的头部到达食物的最