《小米算法面经》专题

6.28 笔试 7.13 一面    一小时15分钟 1. 一个M*M的图像，用大小为K*K的卷积核做卷积，通道，步长为1，padding为0，计算卷积过程中乘法操作的次数 2. 什么是图像的直方图特征 3. 边缘检测的原理，流程 4. 分类问题和回归问题的区别 5. 什么是卷积的平移不变形，卷积是否具有旋转不变性 6. 反向传播如何实现的 7. CNN的流程及各个部分的作用 8. 设计或选择激活

上来自我介绍，然后让把实习、项目和竞赛都说一遍。没怎么问问题，就根据简历问了一两个简单的小问题。然后做题，本来说三道题，第一道过了，第二道的时候代码写完让自己测一下，结果我太菜了，构建二叉树构建了半天😂😂😂面试官说时间够了，今天就到这儿吧。 总结：我太菜了，建个树都不会。。#秋招##提前批##百度##算法岗#

阿里云算法二面凉经，本来以为还是业务面，没想到是主管面，猝不及防 1、面试官介绍自己和团队业务 2、自我介绍 3、问了一个本科的项目 4、为什么硕士和本科阶段的方向不一样，为什么想着换方向？（没答好，太实诚了。。。） 5、为什么选现在这个导师，实验室有哪些方向？（背景调查？） 6、有没有了解最新的一些领域的前沿进展？（简单讲了一下） 7、反问环节：面试后续流程 没有算法题，面试时间30多分钟，大部

面试岗位：算法工程师 面试时间：23/08/28 注：滴滴的面试流程比较独特，一天之内完成三轮技术面，没有hr面，每轮技术面的面试官基本不是同一组的人，谁有空谁来面，还挺神奇； 一面面试内容： 自我介绍 代表性实习经历介绍 机器学习八股有监督 vs 无监督过拟合L1、L2范数，Ln范数回归模型损失函数MSE、MAE、MAPE的公式分类模型评价指标：AUC计算公式、ROC曲线横纵坐标、如何绘制 深度

初筛完成进入面试 一面：53分钟，主要是介绍实习，项目，比赛，C++八股和python语法使用！每一个细节问的都比较细，我是从实习开始介绍，每一项都很细，面试官问的挺好，很专业， 我重点做的内容是：bevfusion模型训练加部署orin平台量化推理！ 一面没有手撕 二面：34分钟，面试官是随即问的，有关深度学习，模型量化压缩都会问，手撕一道中等排序题，然后结束了！ 总之面试感觉：挺好的

总时长45mins 1、拷打论文，因为课题跟小样本学习有关，问了问很多小样本学习的内容。 2、拷打项目和来源，回答是导师和公司合作的。 3、拷打实习，问得很细，比如包括遇到了什么难点，为什么要这么做不那么做。 3.1、为什么图像分类要减均值除方差，目标检测一般不需要。 3.2、怎么提高模型泛化性。 3.3、数据集怎么采集的。 3.4、模型不收敛的原因有哪些 反问有几面，答2技术面1个HR面。 有点

泡好久了，发发面经攒人品，许愿一个offer 一面 1. 八股文： vector emplace_back和push_back的区别？resize和reserve的区别？迭代器失效的情形？map和unordered_map的区别？编译器如何实现this指针绑定的？设计模式有了解吗？ 2. 检查代码问题：一个野指针，一个空指针调用类成员函数； 3. 手撕代码：合并区间；最小栈。 面试官一上来就说，我

目前状态，10/16完成HR面 主要时间经过和进度 8/20提前二批投递简历 8/30完成测评 9/1完成笔试（有一说一长得跟期末考试试卷简直一毛一样，选择，填空，一道算法大题，基本都不难） 10/10完成专业面试（用时36min，应该是部门领导） 主要涉及：（不知道应该说简单还是，甚至面完我都以为是HR面，居然没有手撕代码也没有八股文） 1、自我介绍（基本都是我是谁，学过啥，学校啥项目，公司啥项

（为什么wxg一共有四轮技术面啊😅，麻了 teg一面挂后，被wxg捞起来了。 3.27一面 针对简历上的简历问了很多，包括一些技术细节和实现方法。八股考察了llm和传统nlp的知识 1.chatglm2与chatglm1做了哪些改进？是怎么训练的 2.微调以后的模型会出现什么问题？如何改进 3.llm的评测怎么做的 4.bert与GPT的区别？bert的pe是怎么做的？ 5.bert怎么做预训练

一面时间：3月25日11:00 ～ 11:50 自我介绍 聊实习经历，根据实习经历问了几道八股： 简单介绍attention机制 有什么和self-attention不一样的注意力机制了解过吗 为什么要使用多头注意力 然后问了一些推荐场景的业务问题，结合自己的经历聊 最后算法题：3. 无重复字符的最长子串 面试官人很好，也没有问什么刁难的题，最后反问环节问了还有什么需要加强的也给我指导了许多，面试

芯原面试岗位是算法工程师，base是南京，流程是3轮技术面+2轮HR面+CEO面。我一开始没有收到测评，以为自己简历没过筛选或者笔试没通过，结果直接发面试通知了。 技术面：3轮技术面是一起完成的，每轮30min，会有不同部门的面试官来面试你，最后综合所有面试官的面评进行筛选。3轮面试官都是围绕项目展开提问的，其中有1个面试官是做图像处理的，不是很了解，因此我全程都在对项目里的一些算法进行讲解。 第

没挖项目，自我介绍完就是一问一答，然后手撕，然后反问组内方向，除此之外0互动

个人情况是双九小硕，一段AIGC强相关的项目，一段小厂实习，一篇2区一作 目前投了一些AIGC和多模态方面的算法岗，分享一下遇到的面经 不同厂之间有重复的问题我就不一一列举了 京东： 1. 围绕项目问了一些具体的技术路线和细节 2. DeepFloyd的结构+优势 3. classifer guidance和~-free guidance的区别&原理 聊的非常融洽，面完感觉比较match就给过了h

淘天aigc算法面经 2.24一面（50min） gan和diffusion区别 diffusion优劣 常见的采样方式及原理 ddim dpm++ lcm turbo sdxl相比sd的改进 详细分析了每个部分的改动意图 开放问题 sora diffusion3看法 如何训练达成精准文字生成？ 问了一大堆项目 三十分钟左右 问得很细 会结合项目问相关算法原理 2.26 通知下午hr面

一面根据简历项目 开始深挖简历 中间询问是否了数学优化的经历 然后手撕代码（未出现的最小整数） 最后介绍业务，团队，还有hc的具体情况。 整体面试官谦虚，循循诱导。