《小米算法面经》专题

1.自我介绍 2.深挖项目 3.内存泄漏 4.进程 线程的区别 5.残差神经网络 6.反问

7.20 一面 40分钟 1.自我介绍 项目部分： 2.常见模型的结构：bert,TextCNN,transformer,ERNIE 3.怎么比较用哪个模型更好 4.模型输入的长度限制是多少 5.怎么解决多标签问题的 6.attention的时间复杂度是多少 7.有没有做过知识图谱和问答 8.GPT的结构 9.各个类别数据不均衡怎么办？ 10.关于模型的部署和优化 11.a,b是两个常数，怎么在不

1自我介绍 2纯问项目 3反问

30分钟电话面 1. 介绍一个项目或竞赛 2. resnet残差，efficienet系列的不同，bn层，最大池化层怎么反向传播的，最优化，一阶二阶的分别有哪些算法，不能求导数的用啥算法 3. 反问 #面试# #海康# #算法工程师#

攒人品！希望多拿offer! 1.自我介绍 2min左右 2.项目经历 20min (这个聊得多) 3.实习经历 20min 4.一些机器学习知识常规问答(LSTM RNN区别啥的)(问传统机器学习做的多不多 但我做的比较少 所以没问了） 5.手撕算法 2个题 一道sql 一道字符串相关 6.反问环节 (比较好奇业务 所以只问了业务 别的也不知道问啥了) 整个过程很舒服，面试体验可以 更新一下 进

9-15 45寒武纪算法二面，一个小姐姐很温柔 项目、实习、CTCLoss，Focal loss ，amp，样本不均衡，深度可分离卷积，模型轻量化啥的 反问：贵公司对人才。。。。   我说完她也笑了 #2023校招#

9.8  投递 9.13 收到AI英语面 9.20  hr问了下预期薪资，通知进入技术面流程 9.22 下午面试官电话约面 9.23 上午9点半、电话面试。（历时约45分钟） 1、个人自我介绍 2、选择一个项目介绍（联邦+ner） 用到的数据 模型效果评测 联邦学习：面对数据非独立同分布怎么做的 实体有哪些标签 用了哪些公开数据集 数据划分（联邦学习） 长实体识别 3、用了哪些图数据库（Neo4j

1. HR面的八股文问题 2. 数据规模和模型复杂度之间的关系，不匹配会发生什么现象？有哪些解决的方法？ 3. P问题，NP问题，NPC问题，NPHard问题。 4. 二维矩形排布，如何使得空间利用率最高？ #面经#

记得前段时间就投了，最近突然找我开始面试。简记一下： 先是自我介绍。自我介绍完了直接开始手撕代码。 第一题是给定mxn的矩阵，0元素所在的行和列上的所有元素置为0，要求空间复杂度尽可能小（最好常数） “做完一个基本m+n空间复杂度的之后，面试官问能不能想出常数级别的” 第二个题是给定整数数组，求连续子序列最大和。 问了我三维项目里，点云采样是怎么做的，怎么确定统一的输入向量。 问了BN训练和测试之

#关于秋招我想说# 论文； networkx的性能问题； loss波动与过拟合的原因分析与处理方法； 数据样本不均衡的处理方法； 向量数据增强的具体做法； 反问； #你的秋招进展怎么样了#

#深信服# #算法工程师# #2022秋招# 面试官说这是深信服秋招最后一批面试了。 总结提炼一下有这些问题： 对深信服业务、算法岗位职责是否了解； 图数据进行异常检测的思路（特征筛选、社区检测、图匹配等） ； 大规模（数十亿条）数据如何建图、计算（数据清洗、索引、并行计算等）； Neo4j对并行计算的支持度如何 压力管理的案例与思考； 今年秋招环境下定位的自我认知与思考（被面试官吐槽简历往年可能

时长50分钟 疯狂拷打机器学习、统计知识 没复习过，平时也没用过，纯坐牢 手撕用一系列二维点数据，用梯度下降的方法，拟合一条直线 一眼不会，面试官的疯狂提示下做出来了 不知道什么情况

9.8的笔试，现在才轮到，估计这会儿都是最后一批了，大概率节前最后一面 50min结束流程 上来先问项目，20min 一道概率论，蒙答案偷鸡没做对，老老实实算级数求和了，做对后讲思路（大厂面试好几次都被问这种题） 一道算法，A, B两个数组元素大小关系配对，要求不能直接在数组内比较元素大小，只能跨数组比较大小。一开始没思路，最后感觉还是得排序，就是快排，但是用另一个数组的元素做pivot，交替排序

9月18日下午约的面试 1. 首先自我介绍 2. 然后说一个自己感觉最好的一个项目 3. 然后问我有没有学过Machine Learning 4. 后面就一直问算法基础（包括优化器，防止过拟合方法、n折交叉验证） 5. 手撕快速排序 现在一直是面试结果评定中

共计35min 1、自我介绍 2、介绍一下实习？ 大模型微调的样本量大概是多少？ 详细介绍推荐算法实习的背景和思路？ 3、学习经历 本科学过什么课？编程相关的？运筹优化相关的？实验室研究方向是啥？ 4、八股 大模型和推荐结合的地方有什么？想做大模型还是推荐？ 对推荐系统的哪些地方感兴趣？了不了解召回？有哪些算法？了不了解排序？有哪些算法？介绍一下SENET？用户冷启动怎么做？ 推荐系统物品点击率的